論文の概要: Beer-Lambert Guided Representation Learning for Unsupervised Anomaly Detection in Sub-THz Food Inspection Images

• arxiv url: http://arxiv.org/abs/2606.16421v1
• Date: Mon, 15 Jun 2026 08:57:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.253064
• Title: Beer-Lambert Guided Representation Learning for Unsupervised Anomaly Detection in Sub-THz Food Inspection Images
• Title（参考訳）: 地下食品検査画像における教師なし異常検出のためのビール・ランバート指導型表現学習
• Authors: Gyutae Hwang, Sang Jun Lee,
• Abstract要約: サブTHz透過イメージングは、食品中の低密度汚染物質を検出するのに有用な物質依存の減衰特性を提供する。 既存の教師なし異常検出手法は、主にRGBに制限された視覚表現に依存している。 本稿では,サブTHz食品検査画像における教師なし異常検出のためのBeer-Lambert誘導表現学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 14.053056152598794
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Food manufacturing requires reliable inspection systems to detect foreign material contamination and maintain product safety. Sub-THz transmission imaging provides material-dependent attenuation characteristics that are useful for detecting low-density contaminants in food products. However, existing unsupervised anomaly detection methods mainly rely on RGB-pretrained visual representations, which may not adequately capture the transmission behavior of Sub-THz images. This paper proposes a Beer-Lambert guided representation learning framework for unsupervised anomaly detection in Sub-THz food inspection images. The proposed method introduces an attenuation decomposition module as an auxiliary regularization module that constrains student representations through attenuation reconstruction during training. In addition to the conventional one-class setting, we introduce a Leave-One-Food-Out protocol to evaluate generalization capability under unseen food categories. Experimental results on the Inline-Food-Inspection-THz dataset show that the proposed method improves overall anomaly detection performance over the baseline method.
• Abstract（参考訳）: 食品製造は、異物汚染を検知し、製品の安全性を維持するために、信頼性の高い検査システムを必要とする。 サブTHz透過イメージングは、食品中の低密度汚染物質を検出するのに有用な物質依存の減衰特性を提供する。 しかし、既存の教師なし異常検出法は、主にRGBで予め制限された視覚表現に依存しており、サブTHz画像の伝送挙動を適切に捉えていない可能性がある。 本稿では,サブTHz食品検査画像における教師なし異常検出のためのBeer-Lambert誘導表現学習フレームワークを提案する。 提案手法では,学習中の減衰再構成によって生徒の表現を制約する補助正規化モジュールとして,減衰分解モジュールを導入する。 従来のワンクラス設定に加えて、未確認食品カテゴリーにおける一般化能力を評価するためのLeave-One-Food-Outプロトコルを導入する。 Inline-Food-Inspection-THzデータセットによる実験結果から,提案手法はベースライン法よりも全体の異常検出性能を向上させることが示された。

関連論文リスト

• Learning local and global prototypes with optimal transport for unsupervised anomaly detection and localization [0.28647133890966986]
  教師なし異常検出は、トレーニング中に正常なデータ、すなわち欠陥のない一連のデータにアクセスすることで、サンプルの欠陥部分を検出することを目的としている。 本稿では,プロトタイプ学習に基づく新しいUAD手法を提案する。
  論文  参考訳（メタデータ） (2025-08-18T13:51:36Z)
• Hyperspectral Imaging for Identifying Foreign Objects on Pork Belly [0.11249583407496218]
  ハイパスペクトルイメージング(HSI)を用いた豚腹肉の異物自動検出法について検討した。 近赤外(NIR)スペクトル(900-1700nm)における様々な帯域のデータを撮像するためにハイパースペクトルカメラが使用された 提案手法は前処理技術と軽量ビジョントランス (ViT) に基づくセグメンテーション手法を組み合わせて, 汚染物質を肉, 脂肪, コンベアベルト材料と区別する。
  論文  参考訳（メタデータ） (2025-03-20T12:28:31Z)
• Beyond Perceptual Distances: Rethinking Disparity Assessment for Out-of-Distribution Detection with Diffusion Models [28.96695036746856]
  Out-of-Distribution (OoD) 検出は、与えられたサンプルが分類器アンダープロテクションのトレーニング分布からのものであるかどうかを正当化することを目的としている。 DMベースの手法は、この分野に新たな洞察をもたらすが、未調査のままである。 本研究は、DM法における最先端検出性能を広範囲にわたる実験で実証した。
  論文  参考訳（メタデータ） (2024-09-16T08:50:47Z)
• You've Got Two Teachers: Co-evolutionary Image and Report Distillation for Semi-supervised Anatomical Abnormality Detection in Chest X-ray [33.272751884183556]
  公的なMIMIC-CXRベンチマークの実験結果は、CEIRDがいくつかの最新の弱い半教師付き手法に優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-18T12:18:21Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)
• SIOD: Single Instance Annotated Per Category Per Image for Object Detection [67.64774488115299]
  画像内の既存のカテゴリ毎に1つのインスタンスアノテーションのみを必要とする単一インスタンスアノテーションオブジェクト検出(SIOD)を提案する。 WSOD(Inter-task)やSSOD(Inter-image)の相違点からイメージ内の相違点に分解されたSIODは、ラベルなしインスタンスの残りをマイニングする上で、より信頼性が高く豊富な事前知識を提供する。 SIOD設定下では、類似性に基づく擬似ラベル生成モジュール(SPLG)と、Pixelレベルのグループコントラスト学習モジュール(PGCL)からなる、シンプルで効果的なフレームワークであるDual-Mining(DMiner)を提案する。
  論文  参考訳（メタデータ） (2022-03-29T08:49:51Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• Unsupervised foreign object detection based on dual-energy absorptiometry in the food industry [2.2175470459999627]
  本稿では、二エネルギーX線アブソルプチオメトリー(DEXA)に基づく非監視異物検出処理手法を提案する。 DEXAデータの前処理技術として,新しい厚さ補正モデルを導入する。 結果は、異物のないサンプルが97%のケースで正しく識別され、異物検出の全体的な精度が95%に達することを示しています。
  論文  参考訳（メタデータ） (2021-04-12T10:15:15Z)

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。