HDM: Hybrid Diffusion Model for Unified Image Anomaly Detection

要約

画像の異常検出は、産業品質検査や医療イメージングなどのアプリケーションで重要な役割を果たし、製品の品質とシステムの信頼性の向上に直接貢献します。
ただし、既存の方法は、しばしば複雑で多様な異常パターンと格闘しています。
特に、生成タスクと識別タスクの分離は、異常なサンプル生成と異常領域の検出との効果的な調整を制限します。
これらの課題に対処するために、生成と差別を統一されたフレームワークに統合する新しいハイブリッド拡散モデル（HDM）を提案します。
モデルは、拡散異常生成モジュール（DAGM）、拡散識別モジュール（DDM）、および確率最適化モジュール（POM）の3つの重要なモジュールで構成されています。
Dagmは現実的で多様な異常サンプルを生成し、代表性を改善します。
次に、DDMは逆拡散プロセスを適用して、生成されたサンプルと通常のサンプルの違いをキャプチャし、確率分布に基づいて正確な異常領域の検出と局在化を可能にします。
POMは、生成段階と識別フェーズの両方で確率分布を改良し、高品質のサンプルがトレーニングに使用されるようにします。
複数の産業画像データセットでの広範な実験は、この方法が最先端のアプローチよりも優れていることを示しており、Aurocで測定されたように、画像レベルとピクセルレベルの異常検出性能の両方を大幅に改善します。

要約(オリジナル)

Image anomaly detection plays a vital role in applications such as industrial quality inspection and medical imaging, where it directly contributes to improving product quality and system reliability. However, existing methods often struggle with complex and diverse anomaly patterns. In particular, the separation between generation and discrimination tasks limits the effective coordination between anomaly sample generation and anomaly region detection. To address these challenges, we propose a novel hybrid diffusion model (HDM) that integrates generation and discrimination into a unified framework. The model consists of three key modules: the Diffusion Anomaly Generation Module (DAGM), the Diffusion Discriminative Module (DDM), and the Probability Optimization Module (POM). DAGM generates realistic and diverse anomaly samples, improving their representativeness. DDM then applies a reverse diffusion process to capture the differences between generated and normal samples, enabling precise anomaly region detection and localization based on probability distributions. POM refines the probability distributions during both the generation and discrimination phases, ensuring high-quality samples are used for training. Extensive experiments on multiple industrial image datasets demonstrate that our method outperforms state-of-the-art approaches, significantly improving both image-level and pixel-level anomaly detection performance, as measured by AUROC.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google