Fugu-MT 論文翻訳(概要): Anomaly detection in image or latent space of patch-based auto-encoders for industrial image analysis

論文の概要: Anomaly detection in image or latent space of patch-based auto-encoders for industrial image analysis

arxiv url: http://arxiv.org/abs/2307.02495v1
Date: Tue, 4 Jul 2023 07:49:31 GMT
ステータス: 処理完了
システム内更新日: 2023-07-07 16:40:38.032457
Title: Anomaly detection in image or latent space of patch-based auto-encoders for industrial image analysis
Title（参考訳）: 産業画像解析のためのパッチベースオートエンコーダの画像または潜時空間の異常検出
Authors: Nicolas Pinon (MYRIAD), Robin Trombetta (MYRIAD), Carole Lartizien (MYRIAD)
Abstract要約: パッチベースの自動エンコーダをベースとしたカラー画像の異常検出手法について検討した。提案手法は, 原画像と復元画像との誤差, 第2報, 潜時空間における正規画像分布の支持推定, 第3報, 原画像と再構成画像の復元版との誤差に基づく3種類の手法を比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study several methods for detecting anomalies in color images, constructed on patch-based auto-encoders. Wecompare the performance of three types of methods based, first, on the error between the original image and its reconstruction,second, on the support estimation of the normal image distribution in the latent space, and third, on the error between the originalimage and a restored version of the reconstructed image. These methods are evaluated on the industrial image database MVTecADand compared to two competitive state-of-the-art methods.
Abstract（参考訳）: 本研究では,パッチベースのオートエンコーダを用いたカラー画像の異常検出手法について検討した。まず、原画像と再構成の誤差に基づいて、3種類の手法の性能を比較し、第2に、潜時空間における正規像分布の支持推定、第3に、原画像と再構成画像の復元版との誤差について比較する。これらの手法を産業画像データベースMVTecADandで評価し、2つの最先端技術と比較した。

関連論文リスト

DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
ReContrast: Domain-Specific Anomaly Detection via Contrastive Reconstruction [29.370142078092375]
殆どの高度な教師なし異常検出(UAD)手法は、大規模データセットで事前訓練された冷凍エンコーダネットワークの特徴表現をモデル化することに依存している。本稿では,事前学習した画像領域に対するバイアスを低減するために,ネットワーク全体を最適化する新しい疫学的UAD手法であるReContrastを提案する。 2つの一般的な産業欠陥検出ベンチマークと3つの医用画像UADタスクで実験を行い、現在の最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-06-05T05:21:15Z)
SImProv: Scalable Image Provenance Framework for Robust Content Attribution [80.25476792081403]
我々は、クエリ画像を元の信頼できるデータベースにマッチングするフレームワークであるSImProvを提示する。 SimProvは3つのステージで構成されている。トップkの最も類似した画像を検索するためのスケーラブルな検索ステージと、候補の中からオリジナルを識別するための再ランク付けとほぼ重複した検出ステージである。 1億画像のデータセット上での効率的な検索と操作の検出を実証する。
論文参考訳（メタデータ） (2022-06-28T18:42:36Z)
Detecting Recolored Image by Spatial Correlation [60.08643417333974]
画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
論文参考訳（メタデータ） (2022-04-23T01:54:06Z)
AnoViT: Unsupervised Anomaly Detection and Localization with Vision Transformer-based Encoder-Decoder [3.31490164885582]
我々は,画像パッチ間のグローバルな関係を学習することにより,通常の情報を反映する視覚変換器を用いたエンコーダデコーダモデルAnoViTを提案する。提案モデルは,3つのベンチマークデータセット上での畳み込みモデルよりも優れた性能を示した。
論文参考訳（メタデータ） (2022-03-21T09:01:37Z)
Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
そこで本研究では,深度推定のためのドメイン適応手法を提案する。提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
論文参考訳（メタデータ） (2021-09-24T08:11:34Z)
A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文参考訳（メタデータ） (2021-04-29T17:49:48Z)
Image Splicing Detection, Localization and Attribution via JPEG Primary Quantization Matrix Estimation and Clustering [49.75353434786065]
画像領域の異なる2つのJPEGアーチファクトの不整合の検出は、しばしば局所的な画像操作を検出するために使用される。ドナー画像の異なる領域を識別するエンド・ツー・エンドシステムを提案する。
論文参考訳（メタデータ） (2021-02-02T11:21:49Z)
Anomaly detection through latent space restoration using vector-quantized variational autoencoders [0.8122270502556374]
本稿では,密度と復元に基づく手法を用いた分散検出手法を提案する。 VQ-VAEモデルは、分類的潜在空間で画像をエンコードすることを学ぶ。潜在コードの事前分布は、オートリグレッシブ(ar)モデルを使用してモデル化される。
論文参考訳（メタデータ） (2020-12-12T09:19:59Z)
Improved anomaly detection by training an autoencoder with skip connections on images corrupted with Stain-shaped noise [25.85927871251385]
異常検出は復元の残留かもしくは復元の不確実性に依存する我々は,再設計のシャープさを改善するために,スキップ接続を備えたオートエンコーダアーキテクチャを検討する。このモデルでは、実際の欠陥の有無にかかわらず、任意の実世界の画像からクリーンなイメージを復元することが好ましいことを示す。
論文参考訳（メタデータ） (2020-08-29T13:50:49Z)

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。