DiffusionAD: Denoising Diffusion for Anomaly Detection

要約

異常検出は、実際の工業生産のニーズを満たす際の顕著な有効性と効率により、広く適用されています。
異常検出に新しいパイプライン、DiffusionAD を導入します。
我々は、異常検出を「ノイズ・トゥ・ノルム」パラダイムとして組み立て、異常はクエリ画像とその完璧な近似との間の不一致として識別される。
私たちのパイプラインは、通常の領域を変更せずに、ノイズのある破損したクエリ画像から異常な領域を復元することでこれを実現します。
DiffusionAD にはノイズ除去サブネットワークとセグメンテーション サブネットワークが含まれており、複雑な後処理手順を必要とせずに、直感的な異常検出とローカリゼーションをエンドツーエンドで提供します。
驚くべきことに、このフレームワークは、推論時に、一般的な拡散法よりも数十倍から数百倍も高速な、わずか 1 つの拡散逆プロセス ステップで満足のいくパフォーマンスを提供します。
VisA や DAGM などの標準的で困難なベンチマークに関する広範な評価は、DiffusionAD が現在の最先端のパラダイムよりも優れていることを示しており、提案されたパイプラインの有効性と一般化可能性を示しています。

要約(オリジナル)

Anomaly detection is widely applied due to its remarkable effectiveness and efficiency in meeting the needs of real-world industrial manufacturing. We introduce a new pipeline, DiffusionAD, to anomaly detection. We frame anomaly detection as a “noise-to-norm” paradigm, in which anomalies are identified as inconsistencies between a query image and its flawless approximation. Our pipeline achieves this by restoring the anomalous regions from the noisy corrupted query image while keeping the normal regions unchanged. DiffusionAD includes a denoising sub-network and a segmentation sub-network, which work together to provide intuitive anomaly detection and localization in an end-to-end manner, without the need for complicated post-processing steps. Remarkably, during inference, this framework delivers satisfactory performance with just one diffusion reverse process step, which is tens to hundreds of times faster than general diffusion methods. Extensive evaluations on standard and challenging benchmarks including VisA and DAGM show that DiffusionAD outperforms current state-of-the-art paradigms, demonstrating the effectiveness and generalizability of the proposed pipeline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google