論文の概要: BayPrAnoMeta: Bayesian Proto-MAML for Few-Shot Industrial Image Anomaly Detection

• arxiv url: http://arxiv.org/abs/2601.19992v1
• Date: Tue, 27 Jan 2026 19:00:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:06.633025
• Title: BayPrAnoMeta: Bayesian Proto-MAML for Few-Shot Industrial Image Anomaly Detection
• Title（参考訳）: BayPrAnoMeta:Bayesian Proto-MAML for Few-Shot Industrial Image Anomaly Detection
• Authors: Soham Sarkar, Tanmay Sen, Sayantan Banerjee,
• Abstract要約: 本稿では,数発の産業画像異常検出のためのプロトタイプMAMLのベイズ一般化を提案する。 我々は,不確実性を認識し,重度異常のスコアリングを可能にする学生=t$予測分布を作成した。
• 参考スコア（独自算出の注目度）: 0.8449618916655033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industrial image anomaly detection is a challenging problem owing to extreme class imbalance and the scarcity of labeled defective samples, particularly in few-shot settings. We propose BayPrAnoMeta, a Bayesian generalization of Proto-MAML for few-shot industrial image anomaly detection. Unlike existing Proto-MAML approaches that rely on deterministic class prototypes and distance-based adaptation, BayPrAnoMeta replaces prototypes with task-specific probabilistic normality models and performs inner-loop adaptation via a Bayesian posterior predictive likelihood. We model normal support embeddings with a Normal-Inverse-Wishart (NIW) prior, producing a Student-$t$ predictive distribution that enables uncertainty-aware, heavy-tailed anomaly scoring and is essential for robustness in extreme few-shot settings. We further extend BayPrAnoMeta to a federated meta-learning framework with supervised contrastive regularization for heterogeneous industrial clients and prove convergence to stationary points of the resulting nonconvex objective. Experiments on the MVTec AD benchmark demonstrate consistent and significant AUROC improvements over MAML, Proto-MAML, and PatchCore-based methods in few-shot anomaly detection settings.
• Abstract（参考訳）: 工業画像異常検出は、極度のクラス不均衡とラベル付き欠陥サンプルの不足、特に少数ショット環境での不足のため、難しい問題である。 本稿では,数発の産業画像異常検出のために,ベイズによるProto-MAMLの一般化であるBayPrAnoMetaを提案する。 決定論的クラスプロトタイプと距離に基づく適応に依存する既存の Proto-MAML アプローチとは異なり、BayPrAnoMeta はプロトタイプをタスク固有の確率的正規性モデルに置き換え、ベイズ的後続予測可能性を通じてインナーループ適応を実行する。 我々は、通常のサポート埋め込みをNIW(Normal-Inverse-Wishart)でモデル化し、不確実性を認識し、重み付きアノマリースコアを可能にし、極端な数ショット設定において堅牢性に欠かせない学生-t$予測分布を生成する。 我々はさらに、不均一な産業顧客に対するコントラストレギュラー化を監督し、非凸目的の定常点への収束を証明し、BayPrAnoMetaをフェデレートされたメタラーニングフレームワークに拡張する。 MVTec ADベンチマークの実験では、MAML、Proto-MAML、PatchCoreベースのメソッドに対するAUROCの一貫性と重要な改善が、数ショットの異常検出設定で示された。

関連論文リスト

• Generate Aligned Anomaly: Region-Guided Few-Shot Anomaly Image-Mask Pair Synthesis for Industrial Inspection [53.137651284042434]
  異常検査は製造業において重要な役割を担っているが、異常サンプルの不足は既存の方法の有効性を制限している。 本稿では,GAA (Generate grained Anomaly) を提案する。 GAAは少数のサンプルのみを用いて現実的で多様で意味的に整合した異常を発生させる。
  論文  参考訳（メタデータ） (2025-07-13T12:56:59Z)
• AnomalyDINO: Boosting Patch-based Few-shot Anomaly Detection with DINOv2 [16.69402464709241]
  DINOv2をワンショットおよび数ショットの異常検出に適用し、産業応用に焦点をあてる。 提案するビジョンのみのアプローチであるAnomalyDinoは、よく確立されたパッチレベルの深い近接パラダイムに従っている。 このアプローチは既存のテクニックに匹敵するだけでなく、多くの設定でそれらを上回ります。
  論文  参考訳（メタデータ） (2024-05-23T13:15:13Z)
• Hard-normal Example-aware Template Mutual Matching for Industrial Anomaly Detection [78.734927709231]
  異常検出器は、クエリー画像の未知の欠陥を検出し、ローカライズするために工業製造で広く使われている。 これらの検出器は異常のないサンプルで訓練され、ほとんどの通常のサンプルと区別された異常を成功させた。 しかし、ハードノーマルな例は、ほとんどの通常のサンプルから遠く離れており、しばしば既存の方法によって異常と誤認される。
  論文  参考訳（メタデータ） (2023-03-28T17:54:56Z)
• Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
  画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。 決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。 本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-11T15:20:54Z)
• End-to-End Multi-Object Detection with a Regularized Mixture Model [26.19278003378703]
  近年のエンド・ツー・エンド多目的検出器は手作りのプロセスを取り除き、推論パイプラインを単純化している。 本稿では,NLL(負対数類似度)と正規化項(正則化項)の2項のみからなるエンドツーエンドの多対象検出器を訓練するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-18T04:20:23Z)
• Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
  本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。 我々は,再建基準の代替として,異常スコアの代替尺度を提案した。 提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。