論文の概要: Evaluating Modern Visual Anomaly Detection Approaches in Semiconductor Manufacturing: A Comparative Study

• arxiv url: http://arxiv.org/abs/2505.07576v1
• Date: Mon, 12 May 2025 13:56:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.415166
• Title: Evaluating Modern Visual Anomaly Detection Approaches in Semiconductor Manufacturing: A Comparative Study
• Title（参考訳）: 半導体製造における最新の視覚異常検出手法の評価 : 比較検討
• Authors: Manuel Barusco, Francesco Borsatti, Youssef Ben Khalifa, Davide Dalle Pezze, Gian Antonio Susto,
• Abstract要約: 我々は、MIICデータセットを利用して、半導体領域における視覚異常検出(VAD)のベンチマークを導入する。 本研究は,本分野における最近のVADアプローチの有効性を実証するものである。
• 参考スコア（独自算出の注目度）: 4.790817958353412
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semiconductor manufacturing is a complex, multistage process. Automated visual inspection of Scanning Electron Microscope (SEM) images is indispensable for minimizing equipment downtime and containing costs. Most previous research considers supervised approaches, assuming a sufficient number of anomalously labeled samples. On the contrary, Visual Anomaly Detection (VAD), an emerging research domain, focuses on unsupervised learning, avoiding the costly defect collection phase while providing explanations of the predictions. We introduce a benchmark for VAD in the semiconductor domain by leveraging the MIIC dataset. Our results demonstrate the efficacy of modern VAD approaches in this field.
• Abstract（参考訳）: 半導体製造は複雑な多段階プロセスである。 SEM(Scanning Electron Microscope)画像の自動検査は、機器のダウンタイムを最小化し、コストを抑えるために不可欠である。 これまでのほとんどの研究では、十分な数の異常ラベル付きサンプルを仮定して、教師付きアプローチが検討されている。 それとは対照的に、新しい研究領域であるビジュアル異常検出(VAD)では、教師なし学習に重点を置いており、予測の説明を提供しながら、コストのかかる欠陥収集フェーズを避けている。 半導体領域におけるVADのベンチマークをMIICデータセットを用いて導入する。 本研究は,本分野における最近のVADアプローチの有効性を実証するものである。

関連論文リスト

• 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)
• Incomplete Multimodal Industrial Anomaly Detection via Cross-Modal Distillation [0.0]
  3次元点雲とRGB画像に基づくマルチモーダル産業異常検出(IAD)は現在も進行中である。 既存の品質制御プロセスは、光学および赤外線イメージングのような高速なインライン検査と高解像度だが時間を要するニアラインキャラクタリゼーション技術を組み合わせている。 IADのためのクロスモーダル蒸留フレームワークであるCMDIADを提案する。
  論文  参考訳（メタデータ） (2024-05-22T12:08:56Z)
• Automated Semiconductor Defect Inspection in Scanning Electron Microscope Images: a Systematic Review [4.493547775253646]
  機械学習アルゴリズムは、半導体サンプルの欠陥を正確に分類し、特定するために訓練することができる。 畳み込みニューラルネットワークはこの点において特に有用であることが証明されている。 本稿では,SEM画像における半導体欠陥の自動検査の現状について概観する。
  論文  参考訳（メタデータ） (2023-08-16T13:59:43Z)
• Unsupervised out-of-distribution detection for safer robotically guided retinal microsurgery [1.4367226581254677]
  本研究は、OoD検出器を用いて、ii OCTプローブからの画像が機械学習による距離推定に不適切であるかどうかを特定することの実現可能性について検討する。 マハラノビス距離に基づく単純なOoD検出器が、実際の外生ブタの眼から得られた劣化サンプルをうまく除去できることを示す。
  論文  参考訳（メタデータ） (2023-04-11T07:54:11Z)
• IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
  画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。 統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。 7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
  論文  参考訳（メタデータ） (2023-01-31T01:24:45Z)
• 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)
• Manifolds for Unsupervised Visual Anomaly Detection [79.22051549519989]
  トレーニングで必ずしも異常に遭遇しない教師なしの学習方法は、非常に有用です。 ジャイロプレーン層を用いた立体投影による超球形変分オートエンコーダ(VAE)を開発した。 工業用AIシナリオにおける実世界の実用性を実証し、精密製造および検査における視覚異常ベンチマークの最先端結果を示す。
  論文  参考訳（メタデータ） (2020-06-19T20:41:58Z)

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。