論文の概要: Spot the Difference: Topological Anomaly Detection via Geometric
Alignment
- arxiv url: http://arxiv.org/abs/2106.08233v1
- Date: Wed, 9 Jun 2021 11:49:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-20 16:12:42.526212
- Title: Spot the Difference: Topological Anomaly Detection via Geometric
Alignment
- Title(参考訳): 相違点:幾何学的アライメントによるトポロジカル異常検出
- Authors: Steffen Czolbe, Aasa Feragen, Oswin Krause
- Abstract要約: 繰り返し発生する課題は、トポロジーが同じでない領域のアライメントである。
教師なし位相差検出アルゴリズムを提案する。
本手法は画像中の教師なし異常検出のプロキシタスクで検証される。
- 参考スコア(独自算出の注目度): 10.355938901584567
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Geometric alignment appears in a variety of applications, ranging from domain
adaptation, optimal transport, and normalizing flows in machine learning;
optical flow and learned augmentation in computer vision and deformable
registration within biomedical imaging. A recurring challenge is the alignment
of domains whose topology is not the same; a problem that is routinely ignored,
potentially introducing bias in downstream analysis. As a first step towards
solving such alignment problems, we propose an unsupervised topological
difference detection algorithm. The model is based on a conditional variational
auto-encoder and detects topological anomalies with regards to a reference
alongside the registration step. We consider both a) topological changes in the
image under spatial variation and b) unexpected transformations. Our approach
is validated on a proxy task of unsupervised anomaly detection in images.
- Abstract(参考訳): 幾何学的アライメントは、機械学習におけるドメイン適応、最適輸送、正規化フロー、コンピュータビジョンにおけるオプティカルフローと学習の強化、バイオメディカルイメージングにおける変形可能な登録など、さまざまな応用で現れる。
繰り返し発生する課題は、トポロジが同じでないドメインのアライメントである。
このようなアライメント問題を解決するための第一歩として,教師なし位相差検出アルゴリズムを提案する。
このモデルは条件付き変分オートエンコーダに基づいており、登録ステップと共に参照に関するトポロジカルな異常を検出する。
a) 空間的変化下における画像の位相的変化と, b) 予期せぬ変換を考える。
本手法は画像中の教師なし異常検出のプロキシタスクで検証される。
関連論文リスト
- Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation :
A Unified Approach [52.14916470104883]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳(メタデータ) (2023-11-27T13:14:06Z) - GIT: Detecting Uncertainty, Out-Of-Distribution and Adversarial Samples
using Gradients and Invariance Transformations [77.34726150561087]
本稿では,ディープニューラルネットワークにおける一般化誤差検出のための総合的アプローチを提案する。
GITは勾配情報と不変変換の利用を組み合わせる。
本実験は,各種ネットワークアーキテクチャの最先端技術と比較して,GITの優れた性能を示すものである。
論文 参考訳(メタデータ) (2023-07-05T22:04:38Z) - Heterogeneous Domain Adaptation for IoT Intrusion Detection: A Geometric
Graph Alignment Approach [21.7683532972677]
データ不足は、IoT侵入検出(IID)に対処する際のデータ依存アルゴリズムのユーザビリティを妨げる
我々は、IIDドメインのより正確な侵入検出を容易にするために、データリッチネットワーク侵入検出(NID)ドメインを利用する。
論文 参考訳(メタデータ) (2023-01-24T03:55:14Z) - Self-Calibrating Anomaly and Change Detection for Autonomous Inspection
Robots [0.07366405857677225]
視覚異常または変化検出アルゴリズムは、参照画像やデータセットとは異なる画像の領域を特定する。
本研究では,事前の未知環境における異常や変化を検出するための総合的なディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2022-08-26T09:52:12Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳(メタデータ) (2021-11-17T13:30:31Z) - Hyperspectral Anomaly Change Detection Based on Auto-encoder [40.32592332449066]
ハイパースペクトル異常変化検出(HACD)は、ハイパースペクトル画像(HSI)間の小さいが重要な異常変化を見つけるのに役立つ
本稿では,自動エンコーダ(ACDA)に基づく独自のHACDアルゴリズムを提案し,非線形解を提案する。
実験の結果は、"Viareggio 2013"データセットで、従来の手法よりも効率と優越性を実証している。
論文 参考訳(メタデータ) (2020-10-27T08:07:08Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳(メタデータ) (2020-10-12T13:26:30Z) - Anomaly Detection in Medical Imaging with Deep Perceptual Autoencoders [1.7277957019593995]
画像異常検出の新しい強力な手法を提案する。
これは、再設計されたトレーニングパイプラインを備えた古典的なオートエンコーダアプローチに依存している。
複雑な医用画像解析タスクにおける最先端のアプローチよりも優れています。
論文 参考訳(メタデータ) (2020-06-23T18:45:55Z) - Manifolds for Unsupervised Visual Anomaly Detection [79.22051549519989]
トレーニングで必ずしも異常に遭遇しない教師なしの学習方法は、非常に有用です。
ジャイロプレーン層を用いた立体投影による超球形変分オートエンコーダ(VAE)を開発した。
工業用AIシナリオにおける実世界の実用性を実証し、精密製造および検査における視覚異常ベンチマークの最先端結果を示す。
論文 参考訳(メタデータ) (2020-06-19T20:41:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。