Odd-One-Out: Anomaly Detection by Comparing with Neighbors

要約

この論文では、特定のシーン内の他のインスタンスと比較して「奇妙に見える」オブジェクトを識別することに焦点を当てた、新しい異常検出 (AD) 問題を紹介します。
従来の AD ベンチマークとは対照的に、私たちのタスクの異常はシーン固有であり、大部分を占める通常のインスタンスによって定義されます。
オブジェクト インスタンスは 1 つの視点からは部分的にしか見えない可能性があるため、この設定では各シーンの複数のビューを入力として使用します。
このタスクにおける今後の研究のためのテストベッドを提供するために、ToysAD-8K と PartsAD-15K という 2 つのベンチマークを導入します。
我々は、インスタンスごとに複数の 2D ビューから 3D オブジェクト中心の表現を構築し、インスタンス間の比較を通じて異常なものを検出する新しい方法を提案します。
私たちは、提示されたベンチマークに基づいてメソッドを定量的および定性的に厳密に分析します。

要約(オリジナル)

This paper introduces a novel anomaly detection (AD) problem that focuses on identifying `odd-looking’ objects relative to the other instances in a given scene. In contrast to the traditional AD benchmarks, anomalies in our task are scene-specific, defined by the regular instances that make up the majority. Since object instances may be only partly visible from a single viewpoint, our setting employs multiple views of each scene as input. To provide a testbed for future research in this task, we introduce two benchmarks, ToysAD-8K and PartsAD-15K. We propose a novel method that constructs 3D object-centric representations from multiple 2D views for each instance and detects the anomalous ones through a cross-instance comparison. We rigorously analyze our method quantitatively and qualitatively on the presented benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google