في عالم الذكاء الاصطناعي، تعتبر القدرة على كشف الشذوذ في البيانات ثلاثية الأبعاد واحدة من أكبر التحديات التي تواجه الباحثين. بسبب ندرة وتنوع العينات الشاذة، يصبح من الصعب تدريب الأنظمة على اكتشافها. هنا يأتي دور إطار العمل الجديد المعروف باسم Anomaly Factory 3D (AF3AD).

AF3AD هو إطار عمل حديث صمم خصيصًا لتوليد شذوذ اصطناعي متنوع من سحب النقاط الطبيعية (normal point clouds)، مما يعمل على توسيع قاعدة بيانات التدريب الخاصة بأساليب كشف الشذوذ غير المراقب. يعتمد الإطار على نموذج تشويه بارامتري مركزي، يحدد باستخدام أنماط PCA المحلية، مع ضوابط تحكم الانتشار المكاني، ووظائف انزلاق عادية وعمودية.

تُظهر التجارب التي أُجريت على قواعد بيانات مثل AnomalyShapeNet وReal3D-AD، أن دمج AF3AD مع نماذج للكشف عن الانزياح أو الطرق المعتمدة على إعادة البناء يؤدي إلى تحسينات كبيرة في الكشف وتحديد المواقع على مستوى الكائنات والنقاط.

يتميز AF3AD بالمرونة وسهولة الاستخدام، حيث يمكن استخدامه كأداة مستقلة، مما يسهل اعتماده عبر مختلف أنماط كشف الشذوذ في البيانات ثلاثية الأبعاد. يمكن الوصول إلى الشيفرة المصدرية لهذا الابتكار عبر GitHub مما يفتح المجال أمام المزيد من الباحثين لاستكشاف تصميمات جديدة وتطبيقات مبتكرة.