論文の概要: Failure-Aware Refinement of Vision-Language Model for Lithography Defect Detection

• arxiv url: http://arxiv.org/abs/2606.08908v1
• Date: Mon, 08 Jun 2026 01:15:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.560433
• Title: Failure-Aware Refinement of Vision-Language Model for Lithography Defect Detection
• Title（参考訳）: リソグラフィー欠陥検出のためのビジョンランゲージモデルの故障認識補正
• Authors: Pangyun Jeong, Jiyeong Kong, Yuehua Hu, Dohee Jeong, Kyung-Tae Kang,
• Abstract要約: 本稿では,初期欠陥検出と予測改善を組み合わせた2段階の視覚言語フレームワークを提案する。 Qwen3-VLは、リソグラフィ画像から欠陥数、欠陥カテゴリ、正規化境界ボックスを予測する視覚言語アダプタとしてLoRAで微調整される。 第2段階は第1段階の予測失敗とその修正されたラベルを使用してリファインメントモジュールを訓練し、モデルが初期出力をレビューし、修正することを可能にする。
• 参考スコア（独自算出の注目度）: 1.0610015128259989
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Semiconductor lithography inspection requires reliable detection of small pattern defects such as bridge, burr, pinch, and contamination. In this study, we propose a two-stage vision-language framework that combines initial defect detection with prediction refinement. In the first stage, Qwen3-VL is fine-tuned with LoRA as a vision-language adapter to predict defect counts, defect categories, and normalized bounding boxes from lithography images. However, direct fine-tuning may still produce common test-time errors, including false positives, missed defects, and incorrect defect types. To address this limitation, the second stage trains a refinement module using first-stage prediction failures and their corrected labels, allowing the model to review and revise initial outputs. By learning from cases where the initial adapter fails, the refinement process improves defect inference beyond single-stage fine-tuning.
• Abstract（参考訳）: 半導体リソグラフィー検査は、ブリッジ、バー、ピンチ、汚染などの小さなパターン欠陥を確実に検出する必要がある。 本研究では,初期欠陥検出と予測改善を組み合わせた2段階の視覚言語フレームワークを提案する。 第1段階では、Qwen3-VLは、リソグラフィ画像から欠陥数、欠陥カテゴリ、正規化境界ボックスを予測する視覚言語アダプタとしてLoRAで微調整される。 しかし、直接微調整は、偽陽性、欠陥の欠如、誤った欠陥タイプなど、テスト時の一般的なエラーを発生させる可能性がある。 この制限に対処するため、第2段階は第1段階の予測失敗とその修正されたラベルを使用して改良モジュールを訓練し、モデルが初期出力をレビューし、修正することを可能にする。 初期アダプタがフェールするケースから学習することで、リファインメントプロセスは単一ステージの微調整を超えて欠陥推論を改善する。

関連論文リスト

• Where, What, Why, and Importance: Structured Defect Grounding for Text-to-Image Feedback [51.08692072066352]
  テキスト・トゥ・イメージ(T2I)モデルは依然として局所的で微妙で構造的に複雑な失敗を示す。 構造的欠陥接地は, 各欠陥を位置, タイプ, 理由, 重要性としてモデル化し, 構造的集合予測としてT2Iの診断を行う。 我々の検出器は、構造欠陥接地におけるプロプライエタリなVLMよりも優れています。
  論文  参考訳（メタデータ） (2026-06-04T13:03:16Z)
• Image-Intrinsic Priors for Integrated Circuit Defect Detection and Novel Class Discovery via Self-Supervised Learning [15.311912138752431]
  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。
  論文  参考訳（メタデータ） (2025-11-05T02:10:08Z)
• 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)
• Instant Uncertainty Calibration of NeRFs Using a Meta-calibrator [60.47106421809998]
  我々は,1つの前方パスを持つNeRFに対して不確実な校正を行うメタ校正器の概念を導入する。 メタキャリブレータは、見えないシーンを一般化し、NeRFの良好な校正と最先端の不確実性を実現できることを示す。
  論文  参考訳（メタデータ） (2023-12-04T21:29:31Z)
• Defect Spectrum: A Granular Look of Large-Scale Defect Datasets with Rich Semantics [27.03052142039447]
  Defect Spectrumは、広範囲の産業的欠陥に対して、正確でセマンティックな、そして大規模なアノテーションを提供する包括的なベンチマークである。 4つの重要な産業ベンチマークに基づいて、私たちのデータセットは既存のアノテーションを洗練し、単一のイメージ内の複数の欠陥タイプを識別する、リッチなセマンティックな詳細を導入します。 また、高品質で多様な欠陥画像を作成するために設計された2段階拡散ベースジェネレータであるDefect-Genを紹介する。
  論文  参考訳（メタデータ） (2023-10-26T11:23:24Z)
• 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)
• Reference-based Defect Detection Network [57.89399576743665]
  最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。 第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。 本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
  論文  参考訳（メタデータ） (2021-08-10T05:44:23Z)

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。