論文の概要: Hashing for Structure-based Anomaly Detection

• arxiv url: http://arxiv.org/abs/2505.10873v1
• Date: Fri, 16 May 2025 05:31:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:14.166859
• Title: Hashing for Structure-based Anomaly Detection
• Title（参考訳）: 構造に基づく異常検出のためのハッシュ法
• Authors: Filippo Leveni, Luca Magri, Cesare Alippi, Giacomo Boracchi,
• Abstract要約: 本研究では,高次元における距離の明示的な計算を避けるために局所感性ハッシュを用いる。 具体的には,選好空間で動作するように設計された孤立型異常検出手法を提案する。
• 参考スコア（独自算出の注目度）: 22.383337771018958
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We focus on the problem of identifying samples in a set that do not conform to structured patterns represented by low-dimensional manifolds. An effective way to solve this problem is to embed data in a high dimensional space, called Preference Space, where anomalies can be identified as the most isolated points. In this work, we employ Locality Sensitive Hashing to avoid explicit computation of distances in high dimensions and thus improve Anomaly Detection efficiency. Specifically, we present an isolation-based anomaly detection technique designed to work in the Preference Space which achieves state-of-the-art performance at a lower computational cost. Code is publicly available at https://github.com/ineveLoppiliF/Hashing-for-Structure-based-Anomaly-Detection.
• Abstract（参考訳）: 低次元多様体で表される構造化パターンに従わない集合において、サンプルを識別する問題に焦点をあてる。 この問題を解決する効果的な方法は、異常を最も孤立した点として特定できるPreference Spaceと呼ばれる高次元空間にデータを埋め込むことである。 本研究では,高次元における距離の明示的計算を回避し,異常検出効率を向上させるために局所感性ハッシュを用いる。 具体的には,より少ない計算コストで最先端性能を実現するための,選好空間で動作する分離型異常検出手法を提案する。 コードはhttps://github.com/ineveLoppiliF/Hashing-for-Structure-based-Anomaly-Detectionで公開されている。

関連論文リスト

• Preference Isolation Forest for Structure-based Anomaly Detection [22.383337771018958]
  選好隔離林(PIF)と呼ばれる一般的な異常検出フレームワークを考案する。 PIFは、適応的な分離に基づく手法の利点と、好みの埋め込みの柔軟性を組み合わせる。 本稿では,最も一般的な解である Voronoi-iForest と RuzHash-iForest と Sliding-PIF の3つの分離手法を提案する。
  論文  参考訳（メタデータ） (2025-05-16T05:32:25Z)
• PUAD: Frustratingly Simple Method for Robust Anomaly Detection [0.0]
  対象の誤数のような論理的異常は空間的特徴写像によってうまく表現できないと我々は主張する。 本稿では, 特徴空間上に, 最先端の再構成に基づくアプローチに対して, 簡単な分布外検出手法を組み込む手法を提案する。 本手法は,MVTec LOCO ADデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-02-23T06:57:31Z)
• FRE: A Fast Method For Anomaly Detection And Segmentation [5.0468312081378475]
  本稿では,視覚異常検出とセグメンテーション問題を解決するための原理的アプローチを提案する。 本稿では,事前学習したDNNが生み出す中間特性に対する線形統計量次元削減手法の適用について述べる。 高次元空間における原特徴と低次元縮小埋め込みの前像との差の$ell$-normのEmphfeature reconstruction error (FRE) が異常検出に極めて有効であることを示す。
  論文  参考訳（メタデータ） (2022-11-23T01:03:20Z)
• Far Away in the Deep Space: Dense Nearest-Neighbor-Based Out-of-Distribution Detection [33.78080060234557]
  Nearest-Neighborsアプローチは、オブジェクト中心のデータドメインでうまく機能することが示されている。 近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近近
  論文  参考訳（メタデータ） (2022-11-12T13:32:19Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  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)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
  再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。 提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
  論文  参考訳（メタデータ） (2020-12-29T04:08:38Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)

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。