Dual-path Frequency Discriminators for Few-shot Anomaly Detection

要約

少数ショット異常検出 (FSAD) は、工業生産において重要な役割を果たします。
しかし、既存の FSAD 手法では、限られた数の正常なサンプルを活用することが困難であり、空間領域内の目立たない異常の検出と位置特定に失敗することがよくあります。
さらに、これらの微妙な異常は周波数領域でより顕著になることも発見しました。
この論文では、これらの問題に取り組むために、周波数の観点からデュアルパス周波数弁別器 (DFD) ネットワークを提案します。
元の空間画像は多周波数画像に変換され、異常を検出する際に調整された識別器にさらに役立ちます。
さらに、ディスクリミネーターは、擬似異常の形式との共同表現を学習します。
MVTec AD および VisA ベンチマークで行われた広範な実験により、当社の DFD が現在の最先端の手法を超えていることが実証されました。
コードは \url{https://github.com/yuhbai/DFD} で入手できます。

要約(オリジナル)

Few-shot anomaly detection (FSAD) plays a crucial role in industrial manufacturing. However, existing FSAD methods encounter difficulties leveraging a limited number of normal samples, frequently failing to detect and locate inconspicuous anomalies in the spatial domain. We have further discovered that these subtle anomalies would be more noticeable in the frequency domain. In this paper, we propose a Dual-Path Frequency Discriminators (DFD) network from a frequency perspective to tackle these issues. The original spatial images are transformed into multi-frequency images, making them more conducive to the tailored discriminators in detecting anomalies. Additionally, the discriminators learn a joint representation with forms of pseudo-anomalies. Extensive experiments conducted on MVTec AD and VisA benchmarks demonstrate that our DFD surpasses current state-of-the-art methods. The code is available at \url{https://github.com/yuhbai/DFD}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google