論文の概要: mmAnomaly: Leveraging Visual Context for Robust Anomaly Detection in the Non-Visual World with mmWave Radar

• arxiv url: http://arxiv.org/abs/2604.00382v1
• Date: Wed, 01 Apr 2026 02:07:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.790068
• Title: mmAnomaly: Leveraging Visual Context for Robust Anomaly Detection in the Non-Visual World with mmWave Radar
• Title（参考訳）: mmAnomaly:mmWave Radarを用いた非視覚世界におけるロバスト異常検出のための視覚コンテキストの活用
• Authors: Tarik Reza Toha, Shao-Jung, Lu, Mahathir Monjur, Shahriar Nirjon,
• Abstract要約: 我々はmmWaveレーダとRGBD入力を組み合わせて視覚コンテキストを組み込むマルチモーダル異常検出フレームワークであるmmAnomalyを提案する。 隠蔽兵器の局所化,スルーウォールの局所化侵入,およびスルーウォールのフォールローカライゼーションの3つの応用にまたがる2つのマルチモーダルデータセットに対するmmAnomalyの評価を行った。
• 参考スコア（独自算出の注目度）: 2.1531495561529663
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: mmWave radar enables human sensing in non-visual scenarios-e.g., through clothing or certain types of walls-where traditional cameras fail due to occlusion or privacy limitations. However, robust anomaly detection with mmWave remains challenging, as signal reflections are influenced by material properties, clutter, and multipath interference, producing complex, non-Gaussian distortions. Existing methods lack contextual awareness and misclassify benign signal variations as anomalies. We present mmAnomaly, a multi-modal anomaly detection framework that combines mmWave radar with RGBD input to incorporate visual context. Our system extracts semantic cues-such as scene geometry and material properties-using a fast ResNet-based classifier, and uses a conditional latent diffusion model to synthesize the expected mmWave spectrum for the given visual context. A dual-input comparison module then identifies spatial deviations between real and generated spectra to localize anomalies. We evaluate mmAnomaly on two multi-modal datasets across three applications: concealed weapon localization, through-wall intruder localization, and through-wall fall localization. The system achieves up to 94% F1 score and sub-meter localization error, demonstrating robust generalization across clothing, occlusions, and cluttered environments. These results establish mmAnomaly as an accurate and interpretable framework for context-aware anomaly detection in mmWave sensing.
• Abstract（参考訳）: mmWaveレーダは、例えば衣服や、従来のカメラが閉塞やプライバシーの制限によって失敗する壁を通して、視覚的でないシナリオでの人間のセンシングを可能にする。 しかし、信号反射は材料特性、乱れ、マルチパス干渉の影響を受け、複雑な非ガウス歪みを生み出すため、mmWaveによる頑健な異常検出は依然として困難である。 既存の手法は文脈認識を欠き、良性信号の変種を異常として誤分類する。 我々はmmWaveレーダとRGBD入力を組み合わせて視覚コンテキストを組み込んだマルチモーダル異常検出フレームワークであるmmAnomalyを提案する。 本研究では,高速なResNet分類器を用いたシーン形状や材料特性などのセマンティックな手がかりを抽出し,条件付き潜時拡散モデルを用いて,所与の視覚的コンテキストに対するmWaveスペクトルを合成する。 二重入力比較モジュールは、実際のスペクトルと生成されたスペクトルの空間偏差を識別し、異常をローカライズする。 隠蔽兵器の局所化,スルーウォール侵入装置の局所化,およびスルーウォール落下位置化の3つの応用にわたる2つのマルチモーダルデータセットに対するmmAnomalyの評価を行った。 このシステムは、最大94%のF1スコアとサブメーターのローカライゼーション誤差を達成し、衣服、オクルージョン、散在した環境の堅牢な一般化を実証する。 これらの結果は,mmWaveセンシングにおける文脈認識異常検出のための,正確かつ解釈可能なフレームワークとして,mAnomalyを確立している。

関連論文リスト

• Unified Unsupervised Anomaly Detection via Matching Cost Filtering [113.43366521994396]
  教師なし異常検出(UAD)は、通常のトレーニングデータのみを用いて画像レベルの異常と画素レベルの異常を識別することを目的としている。 UADモデルの異常コスト量を補正するための汎用的なポストホック精錬フレームワークであるUnified Cost Filtering (UCF) を提案する。
  論文  参考訳（メタデータ） (2025-10-03T03:28:18Z)
• BridgeNet: A Unified Multimodal Framework for Bridging 2D and 3D Industrial Anomaly Detection [26.864423488101075]
  本稿では,新しい統合型マルチモーダル異常検出フレームワークを提案する。 コントリビューションは3つの重要な側面で構成されています。 実験の結果,MVTec-3D ADおよびEyecandiesデータセット上でのSOTA(State-of-the-art)よりも優れていた。
  論文  参考訳（メタデータ） (2025-07-25T13:27:25Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する 本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。 本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• M3DM-NR: RGB-3D Noisy-Resistant Industrial Anomaly Detection via Multimodal Denoising [63.39134873744748]
  既存の産業異常検出手法は主に、原始RGB画像を用いた教師なし学習に重点を置いている。 本稿では,CLIPの強力なマルチモーダル識別機能を利用する新しい耐雑音性M3DM-NRフレームワークを提案する。 M3DM-NRは3D-RGBマルチモーダルノイズ異常検出において最先端の手法より優れていた。
  論文  参考訳（メタデータ） (2024-06-04T12:33:02Z)
• Dual-path Frequency Discriminators for Few-shot Anomaly Detection [12.956761809902167]
  本稿では、これらの問題に対処するために、周波数観点からDual-Path Frequency Discriminator (DFD)ネットワークを提案する。 識別者は擬似アノマリーの形で共同表現を学ぶ。 MVTec AD と VisA ベンチマークで行った実験では、DFD が現在の最先端手法を超越していることが示されている。
  論文  参考訳（メタデータ） (2024-03-07T02:17:59Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
  ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。 本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
  論文  参考訳（メタデータ） (2023-03-01T15:48:27Z)
• 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)

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。