基于3D归一化流的双分支点云异常检测模型

作     者：王布凡 张绍兵 成苗 何莲 WANG Bufan;ZHANG Shaobing;CHENG Miao;HE Lian

作者机构：中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机科学与技术学院北京100049 深圳市中钞科信金融科技有限公司广东深圳518206 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2024年第44卷第S01期

页      面：71-76页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：点云异常检测 3D归一化流 局部特征聚合 特征金字塔 可逆映射 

摘      要：当前基于三维点云的工业异常检测仍处于起步阶段,较先进的方法将点云栅格化成2D图片或采用传统算子提取点云特征,有待进一步研究。对此,提出一种基于3D归一化流的双分支点云异常检测模型。以3D归一化流作为整体框架,结合双分支交互融合模块进行局部特征聚合,以并行结构聚合由Transformer和卷积神经网络(Convs)架构提取的不同焦点的点云特征;通过3D归一化流对特征金字塔在欧氏空间和潜在空间之间的可逆映射进行建模,基于受试者曲线下面积,所提模型从分布学习的角度实现了图像级(I-AUROC)的高效异常检测。在MVTec-3D AD数据集上进行的实验结果表明,所提模型在点云异常检测中取得了比目前先进方法更好的性能,相较于M3DM(Multi-3D-Memory)、AST(Asymmetric Student-Teacher Networks),I-AUROC(Image-level Area Under the Receiver Operating Characteristiccurve)指标分别提升了1.8和5.9个百分点。