論文の概要: Anomaly Detection Requires Better Representations
- arxiv url: http://arxiv.org/abs/2210.10773v1
- Date: Wed, 19 Oct 2022 17:59:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 13:33:44.328661
- Title: Anomaly Detection Requires Better Representations
- Title(参考訳): より良い表現を必要とする異常検出
- Authors: Tal Reiss, Niv Cohen, Eliahu Horwitz, Ron Abutbul, Yedid Hoshen
- Abstract要約: 異常検出は、科学と産業の中心的な課題である異常な現象を特定することを目指している。
自己教師付き表現学習の最近の進歩は、異常検出の改善を促している。
- 参考スコア(独自算出の注目度): 28.611440466398715
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Anomaly detection seeks to identify unusual phenomena, a central task in
science and industry. The task is inherently unsupervised as anomalies are
unexpected and unknown during training. Recent advances in self-supervised
representation learning have directly driven improvements in anomaly detection.
In this position paper, we first explain how self-supervised representations
can be easily used to achieve state-of-the-art performance in commonly reported
anomaly detection benchmarks. We then argue that tackling the next generation
of anomaly detection tasks requires new technical and conceptual improvements
in representation learning.
- Abstract(参考訳): 異常検出は、科学と産業の中心的な課題である異常な現象を特定しようとする。
このタスクは本来、トレーニング中に異常が予期せず不明であるため、教師なしである。
自己教師付き表現学習の最近の進歩は、直接的に異常検出の改善を促している。
本稿では,まず,一般に報告されている異常検出ベンチマークにおいて,自己教師あり表現を用いて最先端のパフォーマンスを実現する方法について述べる。
次に、次世代の異常検出タスクに取り組むには、表現学習における新しい技術的および概念的な改善が必要であると論じる。
関連論文リスト
- GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。
本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。
提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
論文 参考訳(メタデータ) (2024-07-17T09:27:41Z) - ATAC-Net: Zoomed view works better for Anomaly Detection [1.024113475677323]
ATAC-Netは、既知の最小限の事前異常から異常を検出する訓練を行うフレームワークである。
我々は、その優位性を、同等の設定で現在の最先端技術と比較する。
論文 参考訳(メタデータ) (2024-06-20T15:18:32Z) - Anomaly Detection by Context Contrasting [57.695202846009714]
異常検出は、標準から逸脱するサンプルを特定することに焦点を当てる。
近年の自己教師型学習の進歩は、この点において大きな可能性を秘めている。
我々はコンテキスト拡張を通じて学習するCon$を提案する。
論文 参考訳(メタデータ) (2024-05-29T07:59:06Z) - Deep Anomaly Detection in Text [3.4265828682659705]
本論文は,テキストコーパスに適したプリテキストタスクを活用することによって,異常を検出する手法を開発することを目的とする。
このアプローチは、半教師付きおよび教師なしの異常検出の両方において、2つのデータセットである20NewsgroupsとAG Newsの最先端性を大幅に改善する。
論文 参考訳(メタデータ) (2023-12-14T22:04:43Z) - Open-Vocabulary Video Anomaly Detection [57.552523669351636]
監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。
近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。
本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
論文 参考訳(メタデータ) (2023-11-13T02:54:17Z) - No Free Lunch: The Hazards of Over-Expressive Representations in Anomaly
Detection [35.128547933798274]
現状の表現はしばしば過剰な表現性に悩まされ、多くの種類の異常を検出できないことを示す。
本研究は,この過度表現率による画像異常検出の実態を実証するものである。
論文 参考訳(メタデータ) (2023-06-12T17:59:50Z) - Spatio-temporal predictive tasks for abnormal event detection in videos [60.02503434201552]
オブジェクトレベルの正規化パターンを学習するための制約付きプレテキストタスクを提案する。
我々のアプローチは、ダウンスケールの視覚的クエリとそれに対応する正常な外観と運動特性のマッピングを学習することである。
いくつかのベンチマークデータセットの実験では、異常の局所化と追跡のためのアプローチの有効性が示されている。
論文 参考訳(メタデータ) (2022-10-27T19:45:12Z) - Functional Anomaly Detection: a Benchmark Study [4.444788548423704]
異常検出は、非常に高い周波数でサンプリングされた測定に依存することができる。
本研究の目的は, 実データセット上の機能的設定において, 異常検出のための最近の手法の性能について検討することである。
論文 参考訳(メタデータ) (2022-01-13T18:20:32Z) - CutPaste: Self-Supervised Learning for Anomaly Detection and
Localization [59.719925639875036]
通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。
まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。
MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
論文 参考訳(メタデータ) (2021-04-08T19:04:55Z) - Towards Fair Deep Anomaly Detection [24.237000220172906]
我々は,fair anomaly detectionアプローチ(deep fair svdd)のための新しいアーキテクチャを提案する。
提案手法は,異常検出性能の低下を最小限に抑えることで不公平を解消できることを示す。
論文 参考訳(メタデータ) (2020-12-29T22:34:45Z) - Anomaly Detection in Video via Self-Supervised and Multi-Task Learning [113.81927544121625]
ビデオにおける異常検出は、コンピュータビジョンの問題である。
本稿では,オブジェクトレベルでの自己教師型およびマルチタスク学習を通じて,ビデオ中の異常事象検出にアプローチする。
論文 参考訳(メタデータ) (2020-11-15T10:21:28Z)
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。