A Survey on Visual Anomaly Detection: Challenge, Approach, and Prospect

要約

視覚異常検出 (VAD) は、視覚データの正常性の概念からの逸脱を正確に特定することを目的としており、工業用欠陥検査や医療病変検出など、さまざまな領域に広く適用されています。
この調査では、1) トレーニング データの不足、2) 視覚モダリティの多様性、3) 階層異常の複雑さという 3 つの主な課題を特定することにより、VAD の最近の進歩を包括的に調査します。
VAD の背景とその一般的な概念の定義の簡単な概要から始めて、サンプル数、データ モダリティ、および異常階層の観点から最新の VAD の進歩を段階的に分類、強調し、議論します。
VAD 分野の詳細な分析を通じて、最終的に VAD の今後の展開を要約し、この調査の重要な発見と貢献を結論付けます。

要約(オリジナル)

Visual Anomaly Detection (VAD) endeavors to pinpoint deviations from the concept of normality in visual data, widely applied across diverse domains, e.g., industrial defect inspection, and medical lesion detection. This survey comprehensively examines recent advancements in VAD by identifying three primary challenges: 1) scarcity of training data, 2) diversity of visual modalities, and 3) complexity of hierarchical anomalies. Starting with a brief overview of the VAD background and its generic concept definitions, we progressively categorize, emphasize, and discuss the latest VAD progress from the perspective of sample number, data modality, and anomaly hierarchy. Through an in-depth analysis of the VAD field, we finally summarize future developments for VAD and conclude the key findings and contributions of this survey.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google