論文の概要: A Survey on Visual Anomaly Detection: Challenge, Approach, and Prospect

• arxiv url: http://arxiv.org/abs/2401.16402v1
• Date: Mon, 29 Jan 2024 18:41:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 13:27:16.062468
• Title: A Survey on Visual Anomaly Detection: Challenge, Approach, and Prospect
• Title（参考訳）: 視覚異常検出に関する調査 : 挑戦,アプローチ,展望
• Authors: Yunkang Cao, Xiaohao Xu, Jiangning Zhang, Yuqi Cheng, Xiaonan Huang, Guansong Pang, Weiming Shen
• Abstract要約: 視覚異常検出(VAD)は、視覚データの正常性の概念から逸脱を識別する試みであり、工業的欠陥検査や医学的病変検出など、様々な領域に広く適用されている。 本調査は,1)トレーニングデータの不足,2)視覚的モダリティの多様性,3)階層的異常の複雑さの3つの主要な課題を同定することにより,最近のVADの進歩を包括的に検証する。
• 参考スコア（独自算出の注目度）: 29.006716009327032
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual Anomaly Detection (VAD) endeavors to pinpoint deviations from the concept of normality in visual data, widely applied across diverse domains, e.g., industrial defect inspection, and medical lesion detection. This survey comprehensively examines recent advancements in VAD by identifying three primary challenges: 1) scarcity of training data, 2) diversity of visual modalities, and 3) complexity of hierarchical anomalies. Starting with a brief overview of the VAD background and its generic concept definitions, we progressively categorize, emphasize, and discuss the latest VAD progress from the perspective of sample number, data modality, and anomaly hierarchy. Through an in-depth analysis of the VAD field, we finally summarize future developments for VAD and conclude the key findings and contributions of this survey.
• Abstract（参考訳）: 視覚異常検出(VAD)は、視覚データの正常性の概念から逸脱を識別する試みであり、工業的欠陥検査や医学的病変検出など様々な領域に広く適用されている。 本調査は,vadの最近の進歩を包括的に検討し,次の3つの課題を明らかにする。 1)訓練データの不足、 2)視覚的モダリティの多様性,及び 3)階層的異常の複雑さ。 vadの背景とその一般的な概念定義の簡単な概要から始め、サンプル数、データモダリティ、異常階層の観点から、段階的にvadの進歩を分類し、強調し、議論する。 VAD分野の詳細な分析を通じて、最終的にVADの今後の展開を要約し、この調査の重要な発見と貢献をまとめる。

関連論文リスト

• Deep Learning for Video Anomaly Detection: A Review [52.74513211976795]
  ビデオ異常検出(VAD)は、ビデオの正常性から逸脱する行動や事象を発見することを目的としている。 ディープラーニングの時代には、VADタスクには、さまざまなディープラーニングベースの方法が常に現れています。 このレビューでは、半教師付き、弱教師付き、完全教師付き、非教師付き、オープンセットの5つのカテゴリのスペクトルについて取り上げる。
  論文  参考訳（メタデータ） (2024-09-09T07:31:16Z)
• Generalized Out-of-Distribution Detection and Beyond in Vision Language Model Era: A Survey [107.08019135783444]
  VLM時代のAD, ND, OSR, OOD, ODの進化をカプセル化した一般OOD検出v2を提案する。 我々のフレームワークは、いくつかのフィールド不活性と統合により、要求される課題がOOD検出とADになっていることを明らかにしている。
  論文  参考訳（メタデータ） (2024-07-31T17:59:58Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Video Anomaly Detection in 10 Years: A Survey and Outlook [10.143205531474907]
  ビデオ異常検出(VAD)は、監視、医療、環境監視といった様々な領域において非常に重要である。 この調査では、従来の教師付きトレーニングパラダイムを超えて、弱教師付き、自己監督型、教師なしのアプローチを包含する、ディープラーニングベースのVADを調査している。
  論文  参考訳（メタデータ） (2024-05-29T17:56:31Z)
• RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
  RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。 私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
  論文  参考訳（メタデータ） (2024-04-25T17:11:37Z)
• A Survey on Domain Generalization for Medical Image Analysis [9.410880477358942]
  MedIAのドメイン一般化は、未知のデータ分散を効果的に一般化し、堅牢に実行することで、ドメインシフトの課題に対処することを目的としている。 医療分野におけるドメインシフトとドメイン一般化の正式な定義を提供し、関連するいくつかの設定について議論する。 データ操作レベル,特徴表現レベル,モデルトレーニングレベルという3つの視点から,最近の手法を要約し,いくつかのアルゴリズムを詳細に提示する。
  論文  参考訳（メタデータ） (2024-02-07T17:08:27Z)
• VISION Datasets: A Benchmark for Vision-based InduStrial InspectiON [28.511625423590605]
  VISIONデータセットは14の産業検査データセットの多種多様なコレクションである。 44の欠陥タイプを含む合計18kイメージにより、VISIONはさまざまな実世界のプロダクションシナリオを反映しようと試みている。
  論文  参考訳（メタデータ） (2023-06-13T16:31:02Z)
• A Comprehensive Survey on Edge Data Integrity Verification: Fundamentals and Future Trends [43.174689394432804]
  我々は、現在の研究状況、オープンな問題、そして潜在的に有望な洞察を読者に示し、この未調査分野をさらに調査する。 先行研究を徹底的に評価するために,有効な検証手法が満たすべき普遍的基準フレームワークを合成する。 我々は、将来の仕事における興味深い研究課題と可能な方向性を強調し、今後の技術、例えば機械学習とコンテキスト認識セキュリティがECのセキュリティをいかに強化できるかについて議論する。
  論文  参考訳（メタデータ） (2022-10-20T02:58:36Z)
• AlignTransformer: Hierarchical Alignment of Visual Regions and Disease Tags for Medical Report Generation [50.21065317817769]
  本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。 パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
  論文  参考訳（メタデータ） (2022-03-18T13:43:53Z)
• A Survey of Visual Sensory Anomaly Detection [53.23336329817023]
  視覚感覚異常検出(AD)はコンピュータビジョンにおいて重要な問題である。 視覚感覚のADとカテゴリーを,異常の形で3段階にまとめて検討した。
  論文  参考訳（メタデータ） (2022-02-14T19:50:03Z)

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。