論文の概要: Conditioning Latent-Space Clusters for Real-World Anomaly Classification

• arxiv url: http://arxiv.org/abs/2309.09676v1
• Date: Mon, 18 Sep 2023 11:26:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 13:49:55.606724
• Title: Conditioning Latent-Space Clusters for Real-World Anomaly Classification
• Title（参考訳）: 実世界の異常分類のための条件付き潜在空間クラスター
• Authors: Daniel Bogdoll, Svetlana Pavlitska, Simon Klaus, J. Marius Z\"ollner
• Abstract要約: 我々は、様々なタイプの異常や大きさを含む都市シーンからの高解像度カメラデータに焦点を当てる。 変分オートエンコーダに基づいて、サンプルを正規データまたは異常として分類するために、その潜時空間を条件とする。
• 参考スコア（独自算出の注目度）: 11.633929083694388
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anomalies in the domain of autonomous driving are a major hindrance to the large-scale deployment of autonomous vehicles. In this work, we focus on high-resolution camera data from urban scenes that include anomalies of various types and sizes. Based on a Variational Autoencoder, we condition its latent space to classify samples as either normal data or anomalies. In order to emphasize especially small anomalies, we perform experiments where we provide the VAE with a discrepancy map as an additional input, evaluating its impact on the detection performance. Our method separates normal data and anomalies into isolated clusters while still reconstructing high-quality images, leading to meaningful latent representations.
• Abstract（参考訳）: 自動運転の領域における異常は、自動運転車の大規模展開の大きな障害である。 本研究では,様々な種類や大きさの異常を含む都市シーンの高解像度カメラデータに着目した。 変分オートエンコーダに基づいて、サンプルを正規データまたは異常として分類する潜在空間を条件とする。 特に小さな異常を強調するために,vaeに余分な入力として不一致マップを提供し,検出性能への影響を評価する実験を行った。 本手法では,正常なデータと異常を分離したクラスタに分割し,高品質な画像の再構成を行う。

関連論文リスト

• Time-series Anomaly Detection via Contextual Discriminative Contrastive Learning [0.0]
  一級分類法は、異常検出タスクに一般的に使用される。 本稿では,DeepSVDDの損失関数に着想を得た新しい手法を提案する。 我々は,我々のアプローチと,将来有望な自己教師型学習異常検出手法であるNeutral ADによる決定論的コントラスト損失を組み合わせた。
  論文  参考訳（メタデータ） (2023-04-16T21:36:19Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
  本稿では,学習中に識別情報を利用する自己指導型学習システムを導入するが,通常の例のデータ多様体に焦点をあてる。 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)
• ARES: Locally Adaptive Reconstruction-based Anomaly Scoring [25.707159917988733]
  本研究では, 異常スコアリング関数が, 正常サンプルの範囲にわたる復元誤差の自然な変動に適応しないことを示す。 本稿では,適応的再構成誤りに基づくスコーリング手法を提案する。
  論文  参考訳（メタデータ） (2022-06-15T15:35:12Z)
• SLA$^2$P: Self-supervised Anomaly Detection with Adversarial Perturbation [77.71161225100927]
  異常検出は、機械学習の基本的な問題であるが、難しい問題である。 本稿では,非教師付き異常検出のための新しい強力なフレームワークであるSLA$2$Pを提案する。
  論文  参考訳（メタデータ） (2021-11-25T03:53:43Z)
• Enhancing Unsupervised Anomaly Detection with Score-Guided Network [10.775146110417243]
  異常検出は、医療や金融システムなど、さまざまな現実世界のアプリケーションにおいて重要な役割を担っている。 正規データと異常データの間の異常スコアの差を学習・拡大するために,スコア誘導正規化を用いた新しいスコアネットワークを提案する。 次に,スコア誘導型オートエンコーダ(SG-AE)を提案する。
  論文  参考訳（メタデータ） (2021-09-10T06:14:53Z)
• Explainable Deep Few-shot Anomaly Detection with Deviation Networks [123.46611927225963]
  本稿では,弱い教師付き異常検出フレームワークを導入し,検出モデルを訓練する。 提案手法は,ラベル付き異常と事前確率を活用することにより,識別正規性を学習する。 我々のモデルはサンプル効率が高く頑健であり、クローズドセットとオープンセットの両方の設定において最先端の競合手法よりもはるかに優れている。
  論文  参考訳（メタデータ） (2021-08-01T14:33:17Z)
• Sub-clusters of Normal Data for Anomaly Detection [0.15229257192293197]
  データ分析における異常検出は、現実のアプリケーションでは興味深いが、それでも難しい研究トピックである。 既存の異常検出手法は、ImageNetのような高次元データによる限られた性能を示す。 本稿では,高次元および複雑な正規データを用いた異常検出について検討する。
  論文  参考訳（メタデータ） (2020-11-17T03:53:31Z)
• Evidential Sparsification of Multimodal Latent Spaces in Conditional Variational Autoencoders [63.46738617561255]
  訓練された条件付き変分オートエンコーダの離散潜時空間をスパース化する問題を考察する。 顕在的理論を用いて、特定の入力条件から直接証拠を受け取る潜在クラスを特定し、そうでないクラスをフィルタリングする。 画像生成や人間の行動予測などの多様なタスクの実験により,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-10-19T01:27:21Z)
• Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
  本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。 我々は,再建基準の代替として,異常スコアの代替尺度を提案した。 提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。