上?？萍即髮W(xué)創(chuàng)意與藝術(shù)學(xué)院智造系統(tǒng)工程中心武穎娜課題組聚焦于工業(yè)場(chǎng)景下的智能質(zhì)檢系統(tǒng)，致力于解決產(chǎn)品信息捕捉不全導(dǎo)致的異常缺陷難以識(shí)別的行業(yè)痛點(diǎn)。近日，課題組針對(duì)傳統(tǒng)離散點(diǎn)云表達(dá)方法存在的幾何細(xì)節(jié)丟失、異常定位不精確等問(wèn)題，創(chuàng)新性地提出了基于連續(xù)幾何表示的PASDF方法，可顯著提升三維異常檢測(cè)的精度與修復(fù)能力，為智能質(zhì)檢領(lǐng)域注入了新的思路。相關(guān)成果以 “Bridging 3D Anomaly Localization and Repair via High-Quality Continuous Geometric Representation” 為題，被2025年國(guó)際計(jì)算機(jī)視覺(jué)大會(huì)（International Conference on Computer Vision， ICCV）接收。

在高端裝備的智能質(zhì)檢領(lǐng)域，三維點(diǎn)云數(shù)據(jù)因空間信息豐富，已成為產(chǎn)品外形檢測(cè)的主流。然而，傳統(tǒng)離散化表達(dá)方法往往難以精準(zhǔn)捕捉細(xì)小的幾何結(jié)構(gòu)異常，且對(duì)物體姿態(tài)變化的魯棒性不足，導(dǎo)致工業(yè)場(chǎng)景下關(guān)鍵外形缺陷難以及時(shí)發(fā)現(xiàn)和修復(fù)，成為工業(yè)質(zhì)檢智能化升級(jí)的瓶頸。武穎娜團(tuán)隊(duì)與密歇根大學(xué)安娜堡分校研究團(tuán)隊(duì)提出的PASDF（Pose-Aware Signed Distance Field）方法，采用連續(xù)、高精度的有符號(hào)距離場(chǎng)，并結(jié)合姿態(tài)自適應(yīng)的對(duì)齊模塊，能夠?qū)崿F(xiàn)對(duì)物體三維異常的精準(zhǔn)定位和高質(zhì)量自動(dòng)修復(fù)，突破了現(xiàn)有方法在精度和適用性方面的瓶頸。實(shí)驗(yàn)結(jié)果顯示，該方法在國(guó)際權(quán)威數(shù)據(jù)集Real3D-AD和Anomaly-ShapeNet上分別取得了80.2%和90.0%的檢測(cè)準(zhǔn)確率（O-AUROC），并大幅提升了異常區(qū)域的修復(fù)效果。

上?？萍即髮W(xué)為該論文的第一完成單位，2023級(jí)碩士研究生鄭博中、2024級(jí)碩士研究生甘錦業(yè)為共同第一作者，論文的合作者還包括2024級(jí)碩士研究生陳鑫濤、2022級(jí)碩士研究生李文嶠，論文由武穎娜與倪娜共同指導(dǎo)完成。

arxiv鏈接: https://arxiv.org/abs/2505.24431

基于連續(xù)幾何表示的三維異常檢測(cè)與修復(fù)網(wǎng)絡(luò)