上海科技大学创意与艺术学院智造系统工程中心武颖娜课题组聚焦于工业场景下的智能质检系统，致力于解决产品信息捕捉不全导致的异常缺陷难以识别的行业痛点。近日，课题组针对传统离散点云表达方法存在的几何细节丢失、异常定位不精确等问题，创新性地提出了基于连续几何表示的PASDF方法，可显著提升三维异常检测的精度与修复能力，为智能质检领域注入了新的思路。相关成果以 “Bridging 3D Anomaly Localization and Repair via High-Quality Continuous Geometric Representation” 为题，被2025年国际计算机视觉大会（International Conference on Computer Vision， ICCV）接收。
在高端装备的智能质检领域，三维点云数据因空间信息丰富，已成为产品外形检测的主流。然而，传统离散化表达方法往往难以精准捕捉细小的几何结构异常，且对物体姿态变化的鲁棒性不足，导致工业场景下关键外形缺陷难以及时发现和修复，成为工业质检智能化升级的瓶颈。武颖娜团队与密歇根大学安娜堡分校研究团队提出的PASDF（Pose-Aware Signed Distance Field）方法，采用连续、高精度的有符号距离场，并结合姿态自适应的对齐模块，能够实现对物体三维异常的精准定位和高质量自动修复，突破了现有方法在精度和适用性方面的瓶颈。实验结果显示，该方法在国际权威数据集Real3D-AD和Anomaly-ShapeNet上分别取得了80.2%和90.0%的检测准确率（O-AUROC），并大幅提升了异常区域的修复效果。
上海科技大学为该论文的第一完成单位，2023级硕士研究生郑博中、2024级硕士研究生甘锦业为共同第一作者，论文的合作者还包括2024级硕士研究生陈鑫涛、2022级硕士研究生李文峤，论文由武颖娜与倪娜共同指导完成。
arxiv链接: https://arxiv.org/abs/2505.24431
基于连续几何表示的三维异常检测与修复网络
沪公网安备 31011502006855号