Odd-One-Out: Anomaly Detection by Comparing with Neighbors

要約

この論文では、シーン内の他のインスタンスと比較して「奇妙に見える」オブジェクトを識別することに焦点を当てた、新しい異常検出 (AD) 問題を紹介します。
従来の AD ベンチマークとは異なり、この設定では、このコンテキストにおける異常はシーン固有であり、大部分を占める通常のインスタンスによって定義されます。
多くの場合、オブジェクト インスタンスは 1 つの視点から部分的に表示されるため、この設定では各シーンの複数のビューが入力として提供されます。
このタスクにおける今後の研究のためのテストベッドを提供するために、ToysAD-8K と PartsAD-15K という 2 つのベンチマークを導入します。
我々は、各インスタンスの 3D オブジェクト中心表現を生成し、インスタンス間の相互調査を通じて異常なものを検出する新しい方法を提案します。
私たちは、提示されたベンチマークでメソッドを定量的および定性的に厳密に分析します。

要約(オリジナル)

This paper introduces a novel anomaly detection (AD) problem that focuses on identifying `odd-looking’ objects relative to the other instances within a scene. Unlike the traditional AD benchmarks, in our setting, anomalies in this context are scene-specific, defined by the regular instances that make up the majority. Since object instances are often partly visible from a single viewpoint, our setting provides multiple views of each scene as input. To provide a testbed for future research in this task, we introduce two benchmarks, ToysAD-8K and PartsAD-15K. We propose a novel method that generates 3D object-centric representations for each instance and detects the anomalous ones through a cross-examination between the instances. We rigorously analyze our method quantitatively and qualitatively in the presented benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google