論文の概要: ALMRR: Anomaly Localization Mamba on Industrial Textured Surface with Feature Reconstruction and Refinement

• arxiv url: http://arxiv.org/abs/2407.17705v1
• Date: Thu, 25 Jul 2024 01:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-26 15:37:23.575207
• Title: ALMRR: Anomaly Localization Mamba on Industrial Textured Surface with Feature Reconstruction and Refinement
• Title（参考訳）: ALMRR: 特徴再構成と微細化を伴う産業用テクスチャ表面上の異常局所化マンバ
• Authors: Shichen Qu, Xian Tao, Zhen Qu, Xinyi Gong, Zhengtao Zhang, Mukesh Prasad,
• Abstract要約: 工業用テクスチャ画像における教師なし異常な局所化は顕著な成果を上げている。 画像に基づく手法は、正常領域と異常領域の両方をよく再構成する傾向がある。 特徴に基づく手法は大量の意味情報を含む。
• 参考スコア（独自算出の注目度）: 3.417713976280609
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unsupervised anomaly localization on industrial textured images has achieved remarkable results through reconstruction-based methods, yet existing approaches based on image reconstruction and feature reconstruc-tion each have their own shortcomings. Firstly, image-based methods tend to reconstruct both normal and anomalous regions well, which lead to over-generalization. Feature-based methods contain a large amount of distin-guishable semantic information, however, its feature structure is redundant and lacks anomalous information, which leads to significant reconstruction errors. In this paper, we propose an Anomaly Localization method based on Mamba with Feature Reconstruction and Refinement(ALMRR) which re-constructs semantic features based on Mamba and then refines them through a feature refinement module. To equip the model with prior knowledge of anomalies, we enhance it by adding artificially simulated anomalies to the original images. Unlike image reconstruction or repair, the features of synthesized defects are repaired along with those of normal areas. Finally, the aligned features containing rich semantic information are fed in-to the refinement module to obtain the anomaly map. Extensive experiments have been conducted on the MVTec-AD-Textured dataset and other real-world industrial dataset, which has demonstrated superior performance com-pared to state-of-the-art (SOTA) methods.
• Abstract（参考訳）: 産業用テクスチャ画像における教師なし異常な局所化は, 再構成に基づく手法によって顕著な成果を上げてきたが, 画像再構成と特徴再構成に基づく既存のアプローチには, それぞれに欠点がある。 まず、画像に基づく手法は、正常領域と異常領域の両方をよく再構成する傾向にあり、過度な一般化につながる。 特徴に基づく手法には大量の不連続な意味情報が含まれているが、その特徴構造は冗長であり、異常な情報を欠いているため、大幅な復元ミスにつながる。 本稿では,マンバをベースとした意味的特徴を再構成し,特徴改善モジュールを通じて洗練する特徴再構成・再構成(ALMRR)を備えたマンバに基づく異常局所化手法を提案する。 そこで,本研究では,従来の画像に擬似的異常を加えることで,従来の異常の知識に則ってモデルを改良する。 画像再構成や修復とは異なり、合成された欠陥の特徴は通常の領域と並んで修復される。 最後に、リッチな意味情報を含む整列した特徴を精製モジュールに入力し、異常マップを得る。 MVTec-AD-Texturedデータセットや他の実世界の産業データセットで大規模な実験が行われ、最新技術(SOTA)法に比較して優れた性能を示している。

関連論文リスト

• Multi-feature Reconstruction Network using Crossed-mask Restoration for Unsupervised Anomaly Detection [4.850625510686943]
  産業生産における品質検査には, 教師なし異常検出が重要である。 本稿では,クロスマスク復元を用いた多機能再構成ネットワークMFRNetを提案する。 提案手法は,4つの公開データセットと1つの自作データセットにおいて,他の最先端のデータセットと高い競争力,あるいは大幅に上回っている。
  論文  参考訳（メタデータ） (2024-04-20T05:13:56Z)
• Reconstruction-Based Anomaly Localization via Knowledge-Informed Self-Training [10.565214056914174]
  知識インフォームド・セルフトレーニング(KIST)は、自己学習を通じて知識を再構築モデルに統合する。 KISTは、異常サンプルに加えて弱いラベル付けされた異常サンプルを使用し、異常サンプルのピクセルレベルの擬似ラベルを得るために知識を活用する。
  論文  参考訳（メタデータ） (2024-02-22T03:15:13Z)
• 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)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  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)
• Noise-to-Norm Reconstruction for Industrial Anomaly Detection and Localization [5.101905755052051]
  異常検出は幅広い応用があり、特に工業品質検査において重要である。 再構成に基づく手法では, サンプルの位置差を考慮せずに, 再構成誤差を用いて異常を検出する。 本研究では, 異常領域の不変な再構成を回避するため, ノイズ・ツー・ノーム・パラダイムを用いた再構成手法を提案する。
  論文  参考訳（メタデータ） (2023-07-06T08:06:48Z)
• Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
  ビデオの異常検出は重要な問題だが、難しい問題だ。 既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。 連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-28T01:57:57Z)
• Reference-Based Autoencoder for Surface Defect Detection [7.163582730053925]
  種々のテクスチャ欠陥を正確に検査するために, RB-AE (unsupervised reference-based autoencoder) を提案する。 モデルが画素レベルの識別能力を得ることができるように、人工欠陥と新たな画素レベルの識別損失関数をトレーニングに活用する。
  論文  参考訳（メタデータ） (2022-11-18T07:13:55Z)
• Editing Out-of-domain GAN Inversion via Differential Activations [56.62964029959131]
  本稿では,構成分解パラダイムを用いて,ドメイン外反転問題に対処する新しいGAN事前編集フレームワークを提案する。 生成されたDiff-CAMマスクの助けを借りて、粗い再構成を直感的に元の画像と編集された画像で合成することができる。 また, 分解段階において, 粗い再構成から最終微編集画像を切り離すための, GAN 以前のデゴーストネットワークを提示する。
  論文  参考訳（メタデータ） (2022-07-17T10:34:58Z)
• 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)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)

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。