인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2026.3
- 수록면
- 405 - 410 (6page)
- DOI
- 10.5302/J.ICROS.2026.25.8006
이용수
초록· 키워드
Anomaly detection is essential for maintaining product quality and operational safety in industrial environments. However, conventional RGB-based unsupervised methods struggle to capture depth variations and geometric defects, which limits their ability to detect structural anomalies. To address this, we propose a multimodal unsupervised anomaly detection framework that integrates RGB images and 3D information through a stable reconstruction module designed to suppress unstable reconstruction errors in normal regions and enhance the reconstruction gap between normal and anomalous samples. Extensive experiments on the MVTec 3D-AD and Eyecandies datasets demonstrate that the proposed multimodal fusion approach consistently outperforms single-modality baselines in terms of AUROC and AUPRO.
#Anomaly detection
#unsupervised learning
#multimodal anomaly detection
#deep learning
#computer vision
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- I. 서론
- II. 본론
- III. 실험
- VI. 결론
- REFERENCES
참고문헌
참고문헌 신청최근 본 자료
