論文の概要: Quantized FCA: Efficient Zero-Shot Texture Anomaly Detection

• arxiv url: http://arxiv.org/abs/2510.15602v1
• Date: Fri, 17 Oct 2025 12:48:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.623405
• Title: Quantized FCA: Efficient Zero-Shot Texture Anomaly Detection
• Title（参考訳）: 量子FCA:効率的なゼロショットテクスチャ異常検出
• Authors: Andrei-Timotei Ardelean, Patrick Rückbeil, Tim Weyrich,
• Abstract要約: 本研究は,テクスチャ中の異常検出と局所化の問題に焦点をあてる。 本稿では,特徴対応解析(FCA)アルゴリズムの量子化バージョンを実装したQFCAというリアルタイム手法を提案する。 量子化値のヒストグラムの研究と比較してパッチ統計を慎重に適応させることで、精度をほとんど、あるいは全く損なわない10倍のスピードアップが得られる。
• 参考スコア（独自算出の注目度）: 6.344680297236473
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Zero-shot anomaly localization is a rising field in computer vision research, with important progress in recent years. This work focuses on the problem of detecting and localizing anomalies in textures, where anomalies can be defined as the regions that deviate from the overall statistics, violating the stationarity assumption. The main limitation of existing methods is their high running time, making them impractical for deployment in real-world scenarios, such as assembly line monitoring. We propose a real-time method, named QFCA, which implements a quantized version of the feature correspondence analysis (FCA) algorithm. By carefully adapting the patch statistics comparison to work on histograms of quantized values, we obtain a 10x speedup with little to no loss in accuracy. Moreover, we introduce a feature preprocessing step based on principal component analysis, which enhances the contrast between normal and anomalous features, improving the detection precision on complex textures. Our method is thoroughly evaluated against prior art, comparing favorably with existing methods. Project page: https://reality.tf.fau.de/pub/ardelean2025quantized.html
• Abstract（参考訳）: ゼロショット異常ローカライゼーションはコンピュータビジョン研究において、近年重要な進歩を遂げている分野である。 本研究は, テクスチャ中の異常検出と局所化の問題に焦点を当て, 異常を全体統計から逸脱する領域として定義し, 定常性仮定に反する領域として定義する。 既存のメソッドの主な制限は、その実行時間の高さであり、アセンブリラインの監視など、現実のシナリオでのデプロイには実用的ではない。 本稿では,特徴対応解析(FCA)アルゴリズムの量子化バージョンを実装したQFCAというリアルタイム手法を提案する。 量子化値のヒストグラムの研究と比較してパッチ統計を慎重に適応させることで、精度をほとんど、あるいは全く損なわない10倍のスピードアップが得られる。 さらに、主成分分析に基づく特徴前処理のステップを導入し、通常の特徴と異常な特徴のコントラストを高め、複雑なテクスチャの検出精度を向上させる。 本手法は先行技術に対して徹底的に評価され,既存手法と良好に比較できる。 プロジェクトページ: https://reality.tf.fau.de/pub/ardelean2025quantized.html

関連論文リスト

• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Reducing False Alarms in Video Surveillance by Deep Feature Statistical Modeling [16.311150636417256]
  我々は, 深部特徴の高次元統計的モデリングに基づいて, 弱教師付きa-コントラリオ検証法を開発した。 実験結果から,提案したa-contrarioバリデーションにより,画素レベルとオブジェクトレベルの偽アラームの回数を大幅に削減できることがわかった。
  論文  参考訳（メタデータ） (2023-07-09T12:37:17Z)
• High-Fidelity Zero-Shot Texture Anomaly Localization Using Feature Correspondence Analysis [3.085407950646415]
  テクスチャ上のゼロショット異常局所化の新しい手法を提案する。 このタスクは、他の同種画像における異常領域を特定することを指す。 分布間の全体的距離を使用するのとは対照的に、提案手法は局所的な文脈で画素の非整合性をピンポイントすることができる。 提案手法をいくつかのデータセットで検証し,MVTec ADデータセット上での過去の技術状況よりも40%以上誤差を低減した。
  論文  参考訳（メタデータ） (2023-04-13T12:02:40Z)
• Bridging Precision and Confidence: A Train-Time Loss for Calibrating Object Detection [58.789823426981044]
  本稿では,境界ボックスのクラス信頼度を予測精度に合わせることを目的とした,新たな補助損失定式化を提案する。 その結果,列車の走行時間損失はキャリブレーション基準を超過し,キャリブレーション誤差を低減させることがわかった。
  論文  参考訳（メタデータ） (2023-03-25T08:56:21Z)
• 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)
• CFLOW-AD: Real-Time Unsupervised Anomaly Detection with Localization via Conditional Normalizing Flows [0.0]
  そこで本研究では,局所化による異常検出をリアルタイムに行うモデルを提案する。 CFLOW-ADは差別的に事前訓練されたエンコーダとマルチスケール生成デコーダから構成される。 MVTecデータセットを用いた実験により,CFLOW-ADは検出タスクで0.36%,AUROCで1.12%,AUPROで2.5%,従来の手法で0.36%,それぞれ優れた性能を示した。
  論文  参考訳（メタデータ） (2021-07-27T03:10:38Z)
• FFD: Fast Feature Detector [22.51804239092462]
  特定のスケール空間領域にロバストで正確なキーポイントが存在することを示す。 スケールスペースピラミッドの滑らか度比とぼかしをそれぞれ2と0.627に設定することで、信頼性の高いキーポイントの検出が容易であることが証明された。
  論文  参考訳（メタデータ） (2020-12-01T21:56:35Z)
• 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。