TransFusion — A Transparency-Based Diffusion Model for Anomaly Detection

要約

表面の異常検出は製造検査において重要な要素です。
現在の識別方法は、再構成ネットワークと、その後に再構成出力に依存する識別ネットワークで構成される 2 段階のアーキテクチャに従っています。
現在使用されている再構成ネットワークでは、異常がまだ残っているか、異常のない領域の詳細が欠けている、不十分な再構成が生成されることがよくあります。
識別手法は一部の再構築ネットワークの失敗に対して堅牢であり、再構築ネットワークが見逃している強力な正常な外観信号を識別ネットワークが学習していることを示唆しています。
2 段階のアーキテクチャを 1 段階の反復プロセスに再定式化し、再構成とローカリゼーションの間で情報を交換できるようにします。
我々は、異常領域の透明度を徐々に高め、前のステップの位置特定キューを使用して異常のない領域の外観を維持しながら、正常な外観を正確に復元する、新しい透明度ベースの拡散プロセスを提案します。
提案されたプロセスを、VisA データセットと MVTec AD データセットの両方で、画像レベルの AUROC が 98.5% および 99.2% である最先端のパフォーマンスを達成する新しい識別異常検出手法である TRANSparency DifFUSION (TransFusion) として実装します。
、 それぞれ。
コード: https://github.com/MaticFuc/ECCV_TransFusion

要約(オリジナル)

Surface anomaly detection is a vital component in manufacturing inspection. Current discriminative methods follow a two-stage architecture composed of a reconstructive network followed by a discriminative network that relies on the reconstruction output. Currently used reconstructive networks often produce poor reconstructions that either still contain anomalies or lack details in anomaly-free regions. Discriminative methods are robust to some reconstructive network failures, suggesting that the discriminative network learns a strong normal appearance signal that the reconstructive networks miss. We reformulate the two-stage architecture into a single-stage iterative process that allows the exchange of information between the reconstruction and localization. We propose a novel transparency-based diffusion process where the transparency of anomalous regions is progressively increased, restoring their normal appearance accurately while maintaining the appearance of anomaly-free regions using localization cues of previous steps. We implement the proposed process as TRANSparency DifFUSION (TransFusion), a novel discriminative anomaly detection method that achieves state-of-the-art performance on both the VisA and the MVTec AD datasets, with an image-level AUROC of 98.5% and 99.2%, respectively. Code: https://github.com/MaticFuc/ECCV_TransFusion

arxiv情報

提供元, 利用サービス

arxiv.jp, Google