Ce document présente un problème de détection d’anomalies (AD) novateur qui se concentre sur l’identification d’objets ‘bizarres’ par rapport aux autres instances dans une scène. Contrairement aux benchmarks traditionnels de détection d’anomalies, dans notre contexte, les anomalies sont spécifiques à la scène, définies par les instances régulières qui composent la majorité. Comme les instances d’objets sont souvent partiellement visibles d’un seul point de vue, notre configuration fournit plusieurs vues de chaque scène en entrée. Pour offrir une base de test pour les futures recherches dans cette tâche, nous introduisons deux benchmarks, ToysAD-8K et PartsAD-15K. Nous proposons une méthode novatrice qui génère des représentations centrées sur des objets en 3D pour chaque instance et détecte les anomalies à travers un examen croisé entre les instances. Nous analysons rigoureusement notre méthode quantitativement et qualitativement dans les benchmarks présentés.
De: Ankan Kumar Bhunia []