論文の概要: Pyramid-based Mamba Multi-class Unsupervised Anomaly Detection

• arxiv url: http://arxiv.org/abs/2504.03442v1
• Date: Fri, 04 Apr 2025 13:33:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-07 14:48:08.658904
• Title: Pyramid-based Mamba Multi-class Unsupervised Anomaly Detection
• Title（参考訳）: ピラミッド型マンバ型非教師型異常検出
• Authors: Nasar Iqbal, Niki Martinel,
• Abstract要約: 状態空間モデル(SSM)に基づく多クラス異常検出および局所化のためのピラミッド走査戦略(PSS)を提案する。 提案手法は,マルチスケール特徴抽出のための事前学習エンコーダとPSSを統合することで,細かな詳細を複数スケールでキャプチャする。
• 参考スコア（独自算出の注目度）: 6.59003008107689
• License:
• Abstract: Recent advances in convolutional neural networks (CNNs) and transformer-based methods have improved anomaly detection and localization, but challenges persist in precisely localizing small anomalies. While CNNs face limitations in capturing long-range dependencies, transformer architectures often suffer from substantial computational overheads. We introduce a state space model (SSM)-based Pyramidal Scanning Strategy (PSS) for multi-class anomaly detection and localization--a novel approach designed to address the challenge of small anomaly localization. Our method captures fine-grained details at multiple scales by integrating the PSS with a pre-trained encoder for multi-scale feature extraction and a feature-level synthetic anomaly generator. An improvement of $+1\%$ AP for multi-class anomaly localization and a +$1\%$ increase in AU-PRO on MVTec benchmark demonstrate our method's superiority in precise anomaly localization across diverse industrial scenarios. The code is available at https://github.com/iqbalmlpuniud/Pyramid Mamba.
• Abstract（参考訳）: 畳み込みニューラルネットワーク(CNN)とトランスフォーマーベースの手法の最近の進歩は、異常検出と局所化を改善しているが、小さな異常を正確に局所化する上での課題は続いている。 CNNは長距離依存関係をキャプチャする際の制限に直面しているが、トランスフォーマーアーキテクチャは大きな計算オーバーヘッドに悩まされることが多い。 我々は,多クラス異常検出と局所化のための状態空間モデル (SSM) に基づくピラミッド走査戦略 (PSS) を導入する。 提案手法は,PSSをマルチスケール特徴抽出のための事前学習エンコーダと,特徴レベルの合成異常発生器とを一体化することにより,細かな詳細を複数スケールで把握する。 MVTecベンチマークにおけるAU-PROの多クラス局所化に対する$+1\%$APの改善と,AU-PROの1\%$増加は,様々な産業シナリオにおける高精度局所化において,我々の手法の優位性を示す。 コードはhttps://github.com/iqbalmlpuniud/Pyramid Mambaで公開されている。

関連論文リスト

• Transformer-based Multivariate Time Series Anomaly Localization [5.554794295879246]
  時空間異常スコア(英: Space-Time Anomaly Score、STAS)は、変圧器の潜在表現と時空間統計モデルとの接続にインスパイアされた新しい計量である。 統計的特徴異常スコア(SFAS)は、異常に関する統計的特徴を分析してSTASを補完し、それらの組み合わせは誤報を減らすのに役立つ。 実世界の実験と合成データセットは、検出タスクとローカライゼーションタスクの両方において、最先端の手法よりもモデルの方が優れていることを示している。
  論文  参考訳（メタデータ） (2025-01-15T07:18:51Z)
• Mixture-of-Noises Enhanced Forgery-Aware Predictor for Multi-Face Manipulation Detection and Localization [52.87635234206178]
  本稿では,多面的操作検出と局所化に適したMoNFAPという新しいフレームワークを提案する。 このフレームワークには2つの新しいモジュールが含まれている: Forgery-aware Unified Predictor (FUP) Module と Mixture-of-Noises Module (MNM)。
  論文  参考訳（メタデータ） (2024-08-05T08:35:59Z)
• MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection [53.03687787922032]
  長距離モデリングと線形効率の優れたマンバモデルが注目されている。 本研究は,マルチクラス非教師付き異常検出へのMambaADの適用の先駆者であり,MambaADを提示する。 提案したLSSモジュールは、並列カスケード(Hybrid State Space) HSSブロックとマルチカーネル畳み込み操作を統合し、長距離情報とローカル情報の両方を効果的にキャプチャする。
  論文  参考訳（メタデータ） (2024-04-09T18:28:55Z)
• MLAD: A Unified Model for Multi-system Log Anomaly Detection [35.68387377240593]
  複数のシステムにまたがる意味的関係推論を組み込んだ新しい異常検出モデルMLADを提案する。 具体的には、Sentence-bertを用いてログシーケンス間の類似性を捉え、それらを高次元の学習可能な意味ベクトルに変換する。 我々は,各キーワードのシーケンスにおける意義を識別し,マルチシステムデータセットの全体分布をモデル化するために,アテンション層の公式を改訂する。
  論文  参考訳（メタデータ） (2024-01-15T12:51:13Z)
• 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)
• A Prototype-Based Neural Network for Image Anomaly Detection and Localization [10.830337829732915]
  本稿では,画像の異常検出と局所化のためのプロトタイプベースニューラルネットワークProtoADを提案する。 まず,自然画像に事前学習したディープネットワークにより,通常の画像のパッチの特徴を抽出する。 ProtoADは、推論速度の高い最先端の手法と比較して、競争性能が向上する。
  論文  参考訳（メタデータ） (2023-10-04T04:27:16Z)
• BSSAD: Towards A Novel Bayesian State-Space Approach for Anomaly Detection in Multivariate Time Series [0.0]
  ベイジアン状態空間異常検出(BSSAD)と呼ばれる新しい,革新的な異常検出手法を提案する。 提案手法の設計は,ベイズ状態空間アルゴリズムの次の状態予測における強みと,繰り返しニューラルネットワークとオートエンコーダの有効性を組み合わせたものである。 特に,粒子フィルタとアンサンブルカルマンフィルタのベイズ状態空間モデルの利用に着目する。
  論文  参考訳（メタデータ） (2023-01-30T16:21:18Z)
• Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
  本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
  論文  参考訳（メタデータ） (2022-03-09T16:17:47Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization [64.39761523935613]
  本稿では,画像中の異常を同時検出・ローカライズするPatch Distribution Modeling, PaDiMを提案する。 PaDiMは、パッチの埋め込みに事前訓練された畳み込みニューラルネットワーク(CNN)を使用している。 また、CNNの異なるセマンティックレベル間の相関を利用して、異常のローカライズも改善している。
  論文  参考訳（メタデータ） (2020-11-17T17:29:18Z)

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。