# Examining the Source of Defects from a Mechanical Perspective for 3D Anomaly Detection

### 저자

Hanzhe Liang, Aoran Wang, Jie Zhou, Xin Jin, Can Gao, Jinbao Wang

### 개요

본 논문은 3D 이상 탐지(AD)에 대한 새로운 접근 방식을 제시합니다. 기존의 구조적 특징 기반 이상 탐지 방식을 넘어, 내부 및 외부 소스로부터 발생하는 예측 불가능한 결함력에 초점을 맞춥니다. 이러한 이상 현상을 수정하기 위해 상반되는 힘을 찾는 것을 목표로, 3D-AD 작업을 위한 Mechanics Complementary Model 기반 프레임워크(MC4AD)를 제안합니다.  MC4AD는 각 점에 대한 내부 및 외부 수정력을 생성합니다. 다양한 유형의 이상 현상을 시뮬레이션하기 위한 다양한 이상 생성(DA-Gen) 모듈과, 점 수준 분석을 위한 상보적 표현을 사용하여 내부 및 외부 수정력의 다양한 기여를 시뮬레이션하는 수정력 예측 네트워크(CFP-Net)를 제시합니다. 효과적인 수정력 제약을 위해 새로운 대칭 손실과 전체 손실을 포함하는 결합 손실 함수를 개발했습니다. 또한, 3방향 의사 결정 프로세스를 기반으로 하는 계층적 품질 관리(HQC) 전략을 구현하고, 클래스 내 분산을 통합한 Anomaly-IntraVariance라는 데이터셋을 제시합니다.  실험 결과, MC4AD는 이론적 및 실험적으로 효과적임을 입증했으며, 기존 5개 데이터셋과 제안된 Anomaly-IntraVariance 데이터셋에서 최소한의 매개변수와 가장 빠른 추론 속도로 최적의 결과를 달성하며 9개의 최첨단 성능을 달성했습니다. 소스 코드는 [https://github.com/hzzzzzhappy/MC4AD](https://github.com/hzzzzzhappy/MC4AD) 에서 확인 가능합니다.

[GitHub - hzzzzzhappy/MC4AD: This is the Reproducible Realisation of the paper "Examining the Source of Defects from a Mechanical Perspective for 3D Anomaly Detection".](https://github.com/hzzzzzhappy/MC4AD)

### 시사점, 한계점

- **시사점:**

    - 3D 이상 탐지에 대한 새로운 접근 방식 제시:  결함력 수정에 초점을 맞춘 기존 방식과 차별화.

    - 효율적인 모델 설계: 최소한의 매개변수로 최적의 성능과 빠른 추론 속도 달성.

    - 새로운 데이터셋 Anomaly-IntraVariance 제시: 클래스 내 분산을 고려한 평가 가능.

    - 9개의 최첨단 성능 달성.

- **한계점:**

    - 제안된 데이터셋 Anomaly-IntraVariance의 규모 및 일반화 성능에 대한 추가적인 검증 필요.

    - 다양한 유형의 이상 현상에 대한 일반화 성능에 대한 추가 연구 필요.

    - 실제 응용 분야에서의 적용 가능성 및 성능 검증 필요.

[PDF 보기](https://arxiv.org/pdf/2505.05901)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).