論文の概要: Image-Intrinsic Priors for Integrated Circuit Defect Detection and Novel Class Discovery via Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2511.03120v1
• Date: Wed, 05 Nov 2025 02:10:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.295487
• Title: Image-Intrinsic Priors for Integrated Circuit Defect Detection and Novel Class Discovery via Self-Supervised Learning
• Title（参考訳）: 自己教師付き学習による集積回路欠陥検出と新しいクラス発見のための画像固有の優先事項
• Authors: Botong. Zhao, Xubin. Wang, Shujing. Lyu, Yue. Lu,
• Abstract要約: 集積回路製造は非常に複雑であり、欠陥はどの段階でも発生し、収率の低下と製品信頼性の低下を引き起こす。 本稿では,IC SEM画像における画像固有プリミティブを利用した,欠陥検出と新しいクラス発見のためのサポートセットフリーフレームワークであるIC DefectNCDを提案する。
• 参考スコア（独自算出の注目度）: 15.311912138752431
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Integrated circuit manufacturing is highly complex, comprising hundreds of process steps. Defects can arise at any stage, causing yield loss and ultimately degrading product reliability. Supervised methods require extensive human annotation and struggle with emergent categories and rare, data scarce defects. Clustering-based unsupervised methods often exhibit unstable performance due to missing priors. We propose IC DefectNCD, a support set free framework that leverages Image Intrinsic Priors in IC SEM images for defect detection and novel class discovery. We first develop Self Normal Information Guided IC Defect Detection, aggregating representative normal features via a learnable normal information extractor and using reconstruction residuals to coarsely localize defect regions. To handle saliency variations across defects, we introduce an adaptive binarization strategy that produces stable subimages focused on core defective areas. Finally, we design Self Defect Information Guided IC Defect Classification, which incorporates a soft mask guided attention mechanism to inject spatial defect priors into the teacher student model. This enhances sensitivity to defective regions, suppresses background interference, and enables recognition and classification of unseen defects. We validate the approach on a real world dataset spanning three key fabrication stages and covering 15 defect types. Experiments demonstrate robust performance on both defect detection and unseen defect classification.
• Abstract（参考訳）: 集積回路製造は非常に複雑で、数百の工程からなる。 欠陥はどの段階でも発生し、利回りが低下し、最終的に製品の信頼性が低下する。 監視された手法は、広範囲な人間のアノテーションを必要とし、創発的なカテゴリと、まれなデータ不足の欠陥に悩まされる。 クラスタリングに基づく教師なしの手法は、事前の欠如により不安定なパフォーマンスを示すことが多い。 本稿では,IC SEM画像における画像固有プリミティブを利用した,欠陥検出と新しいクラス発見のためのサポートセットフリーフレームワークであるIC DefectNCDを提案する。 まず,自己正規情報誘導IC欠陥検出法を開発し,学習可能な正規情報抽出器を用いて代表的正規特徴を集約し,再構成残差を用いて欠陥領域を大まかに局所化する。 欠陥の相違に対処するために,コア欠陥領域に焦点をあてた安定なサブイメージを生成する適応的双対化戦略を導入する。 最後に,学生モデルに空間的欠陥を注入するソフトマスク誘導注意機構を取り入れた自己欠陥情報案内IC欠陥分類を設計する。 これにより、欠陥領域に対する感受性を高め、バックグラウンド干渉を抑制し、見えない欠陥の認識と分類を可能にする。 3つの重要な製造段階にまたがり、15の欠陥タイプをカバーする実世界のデータセットに対するアプローチを検証する。 実験は、欠陥検出と見えない欠陥分類の両方で堅牢な性能を示す。

関連論文リスト

• Unsupervised Integrated-Circuit Defect Segmentation via Image-Intrinsic Normality [13.515312003451553]
  集積回路(IC)製造は、収量と信頼性を低下させる多種多様なきめ細かい欠陥を導入している。 ほとんどの産業的欠陥セグメント化は、テストイメージを外部の正規セットと比較するが、これはICイメージにとって脆弱な戦略である。 外部正規サポートを必要としない教師なしIC欠陥分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-11T11:48:02Z)
• MultiADS: Defect-aware Supervision for Multi-type Anomaly Detection and Segmentation in Zero-Shot Learning [27.235318937019255]
  曲がったり、切られたり、引っかいたりといった、異なるタイプの欠陥を知ることが重要です。 欠陥タイプ」を認識する能力は、現代の生産ラインにおける異常の自動処理を可能にする。 ゼロショット学習手法であるMultiADSを提案する。
  論文  参考訳（メタデータ） (2025-04-09T09:52:04Z)
• Fine-grained Abnormality Prompt Learning for Zero-shot Anomaly Detection [109.72772150095646]
  FAPromptは、精密なZSADのためのきめ細かい異常プロンプトを学習するために設計された新しいフレームワークである。 産業的欠陥と医療的異常の両方をカバーする19の実世界のデータセットの実験は、FAPromptが画像レベルのZSADタスクとピクセルレベルのZSADタスクの両方で最先端の手法を大幅に上回っていることを実証している。
  論文  参考訳（メタデータ） (2024-10-14T08:41:31Z)
• Few-shot Defect Image Generation based on Consistency Modeling [1.8029094254659288]
  DefectDiffuは、複数の製品にまたがる欠陥の一貫性をモデル化する、新しいテキスト誘導拡散法である。 DefectDiffuは、世代品質と多様性の点で最先端の手法を超越している。
  論文  参考訳（メタデータ） (2024-08-01T08:29:42Z)
• CINFormer: Transformer network with multi-stage CNN feature injection for surface defect segmentation [73.02218479926469]
  表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。 CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。 さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
  論文  参考訳（メタデータ） (2023-09-22T06:12:02Z)
• 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)
• 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)
• Defect-GAN: High-Fidelity Defect Synthesis for Automated Defect Inspection [34.699695525216185]
  Defect-GANは、現実的で多様な欠陥サンプルを生成する自動欠陥合成ネットワークです。 デフェメントと修復プロセスを通じて学習し、デフェメントは通常の表面画像に欠陥を生成する。 また、欠陥のバリエーションを模倣し、生成された欠陥の位置とカテゴリを柔軟に制御できます。
  論文  参考訳（メタデータ） (2021-03-28T15:53:34Z)

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。