論文の概要: Flow Mismatching: Unsupervised Anomaly Detection via Velocity Discrepancies in Flow Matching Models

• arxiv url: http://arxiv.org/abs/2605.23070v1
• Date: Thu, 21 May 2026 22:01:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.119782
• Title: Flow Mismatching: Unsupervised Anomaly Detection via Velocity Discrepancies in Flow Matching Models
• Title（参考訳）: フローミスマッチ:フローマッチングモデルにおける速度差による教師なし異常検出
• Authors: Shengzhe Chen, Mehrdad Moradi, Kamran Paynabar, Hao Yan,
• Abstract要約: 再建に基づくパラダイムを意図的に回避する、教師なしの異常検出方法。 我々は、フローマッチングを幾何学力学として扱い、重要な洞察を利用する: 学習された正規フローがテスト画像への幾何学的経路と矛盾する場所で異常が発生する。
• 参考スコア（独自算出の注目度）: 4.861045498353029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose Flow Mismatching, an unsupervised anomaly detection method that deliberately avoids reconstruction-based paradigms. Instead, we treat flow matching as geometric dynamics and leverage a key insight: anomalies occur at places where the learned normal flow disagrees with the geometric path toward a test image. Given a flow matching model trained only on normal images, we probe its learned velocity field along affine paths from Gaussian noise to a target image. Along each path, we compare the model-predicted velocity, which follows normal generative dynamics, with the geometric velocity toward the target, which includes any anomalous content. Anomalies induce strong local disagreement between these velocities. Aggregating the mismatch over different time steps and multiple paths yields pixel-wise heatmaps and image-level scores without test-time optimization, feature memories, or additional calibration. Our analysis shows that the population mismatch decomposes into an irreducible denoising term and a Fisher-divergence term between the test-path and normal-path score functions, which identifies the score-gap component that drives anomaly separation and explains the effectiveness of robust path aggregation. Extensive experiments on MVTec-AD and VisA demonstrate superior performance compared with SOTA reconstruction-based and recent flow matching-based approaches.
• Abstract（参考訳）: 本稿では,リコンストラクションに基づくパラダイムを意図的に回避する,教師なし異常検出手法であるFlow Mismatchingを提案する。 その代わりに、フローマッチングを幾何学力学として扱い、重要な洞察を利用する: 学習された正規フローがテスト画像への幾何学的経路と矛盾する場所で異常が発生する。 正規画像のみに基づいて学習した流れマッチングモデルを用いて,ガウス雑音から目標画像へのアフィン経路に沿った学習速度場を探索する。 各経路に沿って、通常の生成力学に従うモデル予測速度と、異常な内容を含むターゲットに対する幾何学的速度を比較する。 異常はこれらの速度の間に強い局所的な不一致を引き起こす。 異なるタイムステップと複数のパスでミスマッチを集約すると、テスト時間最適化、特徴記憶、追加キャリブレーションなしでピクセル単位のヒートマップと画像レベルのスコアが得られる。 本分析により, 集団ミスマッチは, 異常分離を駆動するスコアギャップ成分を同定し, 頑健なパスアグリゲーションの有効性を説明する, テストパスと正常パスのスコア関数の間で, 不可解なデノベーション項とフィッシャー分割項に分解されることが判明した。 MVTec-AD と VisA の大規模な実験は,SOTA の再構成法や最近の流れマッチング法と比較して優れた性能を示した。

関連論文リスト

• Probability-Conserving Flow Guidance [49.03107678763765]
  Adaptive Manifold Guidance (AdaMaG)はリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。 画像生成ベンチマーク全体で、AdaMaGはリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。
  論文  参考訳（メタデータ） (2026-05-19T16:34:01Z)
• Eulerian Motion Guidance: Robust Image Animation via Bidirectional Geometric Consistency [74.90075313101933]
  本稿では、より局所的な監視設計により、同じ光フロープリミティブを再考する。 我々は隣接フレームのユーレアン運動場を用いて生成を誘導し、そこでは運動信号が常に短い時間ホップを記述する。 隣接するフレーム生成に共通するドリフトアーティファクトを軽減するために,双方向幾何整合機構を導入する。
  論文  参考訳（メタデータ） (2026-05-07T13:53:31Z)
• Temporal Pair Consistency for Variance-Reduced Flow Matching [13.328987133593154]
  TPC(Temporal Pair Consistency)は、同じ確率経路に沿ってペア化された時間ステップで速度予測を結合する軽量な分散還元原理である。 フローマッチング内で確立されたTPCは、複数の解像度でCIFAR-10とImageNetのサンプル品質と効率を改善する。
  論文  参考訳（メタデータ） (2026-02-04T00:05:21Z)
• FlowPath: Learning Data-Driven Manifolds with Invertible Flows for Robust Irregularly-sampled Time Series Classification [14.643457217551484]
  本研究では,制御経路の幾何学を可逆的ニューラルフローで学習する新しいアプローチであるFlowPathを提案する。 FlowPathは、固定補間体や非可逆アーキテクチャを用いて、ベースライン上の分類精度の統計的に有意な向上を実現していることを示す。
  論文  参考訳（メタデータ） (2025-11-13T22:59:26Z)
• OSCAR: Orthogonal Stochastic Control for Alignment-Respecting Diversity in Flow Matching [14.664226708184676]
  フローベースのテキスト・ツー・イメージモデルは決定論的軌跡に従っており、ユーザーは様々なモードを見つけるために繰り返しサンプルを採取せざるを得ない。 本稿では,フロー自体を多様性に配慮した,トレーニング不要な推論時間制御機構を提案する。
  論文  参考訳（メタデータ） (2025-10-10T07:07:19Z)
• Purrception: Variational Flow Matching for Vector-Quantized Image Generation [79.74708247230218]
  パーセプション(Purrception)はベクトル量子化画像生成のための変動流マッチング手法である。 本手法は,変分フローマッチングをベクトル量子化潜水器に適用し,コードブックの指標からカテゴリー後部を学習する。 これは連続的手法の幾何学的認識とカテゴリー的アプローチの離散的な監督を組み合わせる。
  論文  参考訳（メタデータ） (2025-10-01T21:41:30Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• 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)
• Conditional Injective Flows for Bayesian Imaging [18.561430512510956]
  インジェクティビティは、低次元の潜在空間とアーキテクチャの革新とともにメモリフットプリントとトレーニング時間を短縮する。 C-トランペットは、MMSEやMAPのような点推定の高速な近似と、物理的に意味のある不確実性定量化を可能にする。
  論文  参考訳（メタデータ） (2022-04-15T22:26:21Z)

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。