MAEDAY: MAE for few and zero shot AnomalY-Detection

要約

私たちは、異常検出 (AD) に、画像修復に関して自己教師ありトレーニングされたトランスフォーマー モデルであるマスク オート エンコーダー (MAE) を使用することを提案します。
異常領域は正常領域に比べて再構築が難しいと仮定します。
MAEDAY は、事前トレーニングされたモデルを利用した初の画像再構成ベースの異常検出手法であり、Few-Shot Anomaly Detection (FSAD) での使用を可能にします。
また、同じ方法が、通常のサンプルが利用できないゼロショット AD (ZSAD) およびゼロショット異物検出 (ZSFOD) という新しいタスクに対して驚くほどうまく機能することも示します。
コードは https://github.com/EliSchwartz/MAEDAY で入手できます。

要約(オリジナル)

We propose using Masked Auto-Encoder (MAE), a transformer model self-supervisedly trained on image inpainting, for anomaly detection (AD). Assuming anomalous regions are harder to reconstruct compared with normal regions. MAEDAY is the first image-reconstruction-based anomaly detection method that utilizes a pre-trained model, enabling its use for Few-Shot Anomaly Detection (FSAD). We also show the same method works surprisingly well for the novel tasks of Zero-Shot AD (ZSAD) and Zero-Shot Foreign Object Detection (ZSFOD), where no normal samples are available. Code is available at https://github.com/EliSchwartz/MAEDAY .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google