論文の概要: Rethinking Continual Anomaly Detection on the Edge: Benchmarking Under Realistic Industrial Conditions

• arxiv url: http://arxiv.org/abs/2605.24251v1
• Date: Fri, 22 May 2026 22:05:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.829512
• Title: Rethinking Continual Anomaly Detection on the Edge: Benchmarking Under Realistic Industrial Conditions
• Title（参考訳）: エッジ上の連続異常検出の再考:実産業条件下でのベンチマーク
• Authors: Chad Weatherly, Sen Lin,
• Abstract要約: CAD(Continuous Anomaly Detection)は、生産環境に適応するための産業検査システムの必要性に対処する。 本稿では、構造的および論理的異常に関する離散タスク評価と、新しい連続ドリフトプロトコルを組み合わせたベンチマークと、全てのCAD手法の頭と頭の比較について紹介する。 凍結したDINOv3バックボーンと空間的にインデックス付けされたコアセットメモリと近傍制限された異常スコアを組み合わせたトレーニング不要なDINOSaurを提案する。
• 参考スコア（独自算出の注目度）: 3.603502509906244
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continual anomaly detection (CAD) addresses the need for industrial inspection systems to adapt to evolving production conditions, yet existing methods share three critical gaps: unrealistic evaluation, no systematic comparison, and no consideration of edge deployment constraints. We introduce a unified benchmark combining discrete-task evaluation on structural and logical anomalies, a novel continuous drift protocol, the first head-to-head comparison of all published CAD methods, and computational efficiency profiling on edge hardware. Our results reveal that existing CAD methods do not consistently outperform traditional approaches with simple experience replay. Thus motivated, we propose DINOSaur, a training-free method combining a frozen DINOv3 backbone with spatially-indexed coreset memory and neighborhood-restricted anomaly scoring. DINOSaur achieves zero forgetting by construction, outperforms all evaluated methods across all five protocols, and runs at sub-100\,ms inference on an NVIDIA Jetson Orin Nano, with on-device adaptation to new tasks in under 30 seconds.
• Abstract（参考訳）: CAD(Continuous Anomaly Detection)は、産業検査システムの必要性に対処するが、既存の手法では、非現実的な評価、系統的な比較、エッジデプロイメント制約の考慮の3つの重要なギャップを共有している。 本稿では,構造的および論理的異常に対する離散タスク評価,新しい連続的ドリフトプロトコル,全CAD手法の初対頭比較,エッジハードウェア上での計算効率のプロファイリングを組み合わせた統一ベンチマークを提案する。 以上の結果から,既存のCAD手法は,単純な経験的リプレイで従来の手法を一貫して上回るものではないことが明らかとなった。 そこで我々は,凍結したDINOv3バックボーンと空間的にインデックス付けされたコアセットメモリと近傍制限された異常スコアを組み合わせたトレーニング不要なDINOSaurを提案する。 DINOSaurは5つのプロトコルすべてで評価されたすべてのメソッドを上回り、NVIDIA Jetson Orin Nano上で100未満のms推論を実行し、デバイス上で新しいタスクに30秒未満で適応する。

関連論文リスト

• Computer Use at the Edge of the Statistical Precipice [19.604476051265852]
  記録されたアクションシーケンスを盲目的に実行した1MBのリプレイスクリプトは、顕著な静的ベンチマークにおいてフロンティアモデルよりも優れていることを示す。 非原則的環境設計と非原則的評価手法の2つの根本原因を追究する。
  論文  参考訳（メタデータ） (2026-05-07T22:43:43Z)
• Two Steps Are All You Need: Efficient 3D Point Cloud Anomaly Detection with Consistency Models [0.3078691410268859]
  拡散モデルは、ポイントクラウドデータにおける3D異常検出を急速に再定義している。 クリーンデータに対する再構築を明示的に実施する新しいハイブリッド損失定式化を導入する。 この設計は推論コストを大幅に削減し、現在の最先端の手法よりも最大80倍高速な実行を実現した。
  論文  参考訳（メタデータ） (2026-05-06T18:52:53Z)
• Evaluating Agentic AI in the Wild: Failure Modes, Drift Patterns, and a Production Evaluation Framework [0.0]
  生産エージェントシステムに特有の7つの障害モードの分類法を提案する。 標準メトリクスは、7つの障害モードのうち4つを完全に検出することができない。 オープンソースの参照実装を備えた5次元評価フレームワークPAEFを提案する。
  論文  参考訳（メタデータ） (2026-05-02T21:02:08Z)
• Continual Visual Anomaly Detection on the Edge: Benchmark and Efficient Solutions [11.262875405161417]
  視覚異常検出(VAD)は、産業検査や医療を含む多くのアプリケーションにとって重要な課題である。 本ベンチマークは, 協調効率および適応性制約下での最適バックボーン法とVOD法の選択に関するガイダンスを提供する。 本稿では,3つの軽量バックボーンアーキテクチャにまたがる7つのVADモデルの評価を行い,連続学習シナリオにおけるエッジ上でのVADの総合ベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-04-07T20:19:34Z)
• Detect Anything via Next Point Prediction [51.55967987350882]
  Rex-Omniは最先端の物体認識性能を実現する3BスケールのMLLMである。 COCOやLVISのようなベンチマークでは、Rex-Omniは回帰ベースのモデルに匹敵するパフォーマンスを得る。
  論文  参考訳（メタデータ） (2025-10-14T17:59:54Z)
• Rethinking Metrics and Benchmarks of Video Anomaly Detection [58.37571339811799]
  ビデオ異常検出(VAD)は、期待から外れた異常を検出することを目的としている。 既存のVADメトリクスは、単一のアノテーションバイアスの影響を受けます。 既存のベンチマークには、完全に/弱い教師付きアルゴリズムのシーンオーバーフィットを評価する能力がない。
  論文  参考訳（メタデータ） (2025-05-25T08:09:42Z)
• Align and Distill: Unifying and Improving Domain Adaptive Object Detection [16.879446142847392]
  ドメイン適応オブジェクト検出(DAOD)手法は近年,この問題に対処する上で大きな成果を上げている。 過去の結果を疑問視し、さらなる進歩を妨げるような、システムベンチマークの落とし穴を特定します。 ベンチマークと実装の統一フレームワークAlign and Distill(ALDI)を導入することで、これらの問題に対処する。 新しいベンチマークデータセットであるCFC-DAODは、さまざまな実世界のデータの評価を可能にし、(4)最先端の結果を大きなマージンで達成する新しいメソッドALDI++である。
  論文  参考訳（メタデータ） (2024-03-18T17:58:02Z)
• Benchmarking Node Outlier Detection on Graphs [90.29966986023403]
  グラフの外れ値検出は、多くのアプリケーションにおいて、新しいが重要な機械学習タスクである。 UNODと呼ばれるグラフに対して、最初の包括的教師なしノード外乱検出ベンチマークを示す。
  論文  参考訳（メタデータ） (2022-06-21T01:46:38Z)
• Truncated tensor Schatten p-norm based approach for spatiotemporal traffic data imputation with complicated missing patterns [77.34726150561087]
  本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。 本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
  論文  参考訳（メタデータ） (2022-05-19T08:37:56Z)
• Disentangle Your Dense Object Detector [82.22771433419727]
  深層学習に基づく高密度物体検出器はここ数年で大きな成功を収め、ビデオ理解などのマルチメディアアプリケーションにも応用されてきた。 しかし、現在の高密度検出器の訓練パイプラインは、保持できない多くの接続に妥協されている。 そこで本研究では, 簡易かつ効果的な遠心分離機構を設計し, 現在の最先端検出器に統合するDED(Disentangled Dense Object Detector)を提案する。
  論文  参考訳（メタデータ） (2021-07-07T00:52:16Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)

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。