論文の概要: MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection

• arxiv url: http://arxiv.org/abs/2606.23126v1
• Date: Mon, 22 Jun 2026 10:14:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 23:54:14.823545
• Title: MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection
• Title（参考訳）: MambaADv2: 教師なし異常検出のための二重化状態空間モデルの開発
• Authors: Xiaobin Hu, Haoyang He, Bo Yin, Yu He, Lei Xie, Jiangning Zhang, Yu-Gang Jiang, Shuicheng Yan,
• Abstract要約: 本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。 MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。 HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
• 参考スコア（独自算出の注目度）: 108.36437360254605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While recent advancements in anomaly detection have demonstrated the efficacy of CNN- and Transformer-based approaches, these architectures face inherent limitations: CNNs struggle to capture long-range dependencies, whereas Transformers suffer from quadratic computational complexity. Consequently, Mamba-based architectures have attracted considerable attention, as they successfully combine superior long-range dependency modeling with linear computational complexity. By critically rethinking the structural evolution across the Mamba lineage 1-3 series, this paper proposes MambaADv2, a framework tailored for multi-class unsupervised anomaly detection. MambaADv2 comprises a pre-trained encoder and a Mamba-inspired decoder, equipped with Duality-enhanced State Space (DSS) modules across multiple scales. The proposed DSS module effectively models both global dependencies and local representations by integrating parallel-cascaded Hybrid State Space (HSS) blocks and frequency-enhanced convolution operations. The structure of the Hybrid State Space (HSS) block is tailored by following the SSD-based Mamba lineage and incorporating Mamba3-style position-aware state-space modeling, leveraging the dual computational paths of linear recurrence and parallel matrix formulation to model local continuity and global contextual comparison, thereby better serving the core anomaly detection objective of precisely reconstructing normal representations while magnifying anomalous deviations. Additionally, we propose a semantics-adaptive progressive scanning strategy that decays scanning complexity along the feature pyramid.
• Abstract（参考訳）: 最近の異常検出の進歩はCNNとTransformerベースのアプローチの有効性を示しているが、これらのアーキテクチャは固有の制限に直面している。 その結果、Mambaベースのアーキテクチャは、優れた長距離依存性モデリングと線形計算の複雑さをうまく組み合わせることに成功したため、かなりの注目を集めた。 マンバ系1-3シリーズの構造的進化を批判的に再考することにより,マルチクラス非教師付き異常検出に適したフレームワークであるマンバADv2を提案する。 MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。 提案したDSSモジュールは、並列カスケードハイブリッドステートスペース(HSS)ブロックと周波数強調畳み込み操作を統合することで、グローバル依存関係とローカル表現の両方を効果的にモデル化する。 ハイブリッド状態空間(HSS)ブロックの構造は、SSDベースのMamba系に従い、Mamba3スタイルの位置認識状態空間モデリングを取り入れ、局所連続性と大域的文脈比較をモデル化するために線形連続性と並列行列の二重計算経路を活用することにより、異常偏差を拡大しながら正常表現を正確に再構成するコア異常検出目的をより良くする。 さらに,特徴ピラミッドに沿った走査複雑性を減衰させるセマンティックス適応型プログレッシブスキャン戦略を提案する。

関連論文リスト

• MHMamba: Multi-Head Mamba for 3D Brain Tumor Segmentation [6.1337977581640075]
  本稿では,長距離依存関係のモデル化におけるCNNの限界に対処するため,マルチヘッドマンバ(MHMamba)を提案する。 U字型アーキテクチャとマルチヘッド状態空間モデル(Mamba)を組み合わせて、チャネル次元を並列SSMヘッドに分割し、それらを残差で集約する。 結果: MHMambaは, 腫瘍コアおよび小体積拡張領域に対する総合的精度, 境界平滑性, 感度において, 安定かつ有意な改善を達成した。
  論文  参考訳（メタデータ） (2026-05-15T10:05:30Z)
• Progressive Split Mamba: Effective State Space Modelling for Image Restoration [19.506549697690396]
  最近の状態空間モデル(SSM)は、長距離依存性モデリングの魅力的な線形時間代替を提供する。 PS-Mamba(PS-Mamba)は、局所性保存と効率的なグローバルな伝播を両立させるために設計されたトポロジ対応の階層的状態空間フレームワークである。 超解像、デノイング、JPEGアーティファクトの大幅な削減に関する実験は、最近のMambaベースおよび注目ベースモデルに対して、明確なマージンを持つ一貫した改善を示している。
  論文  参考訳（メタデータ） (2026-03-10T04:19:52Z)
• M2I2HA: Multi-modal Object Detection Based on Intra- and Inter-Modal Hypergraph Attention [5.485819352754784]
  本稿では,M2I2HAと呼ばれるハイパーグラフ理論に基づくマルチモーダル知覚ネットワークを提案する。 我々のアーキテクチャにはハイパーグラフ内拡張モジュールが含まれており、各モダリティ内の大域的な多対多の高次関係をキャプチャする。 Inter-Hypergraph Fusionモジュールは、データソース間のコンフィグレーションと空間ギャップをブリッジすることで、クロスモーダル機能を調整、拡張、フューズする。
  論文  参考訳（メタデータ） (2026-01-21T08:55:07Z)
• MVNet: Hyperspectral Remote Sensing Image Classification Based on Hybrid Mamba-Transformer Vision Backbone Architecture [12.168520751389622]
  ハイパースペクトル画像(HSI)分類は、高次元データ、限られたトレーニングサンプル、スペクトル冗長性といった課題に直面している。 本稿では,3D-CNNの局所特徴抽出,Transformerのグローバルモデリング,Mambaの線形シーケンスモデリング機能を統合した新しいMVNetネットワークアーキテクチャを提案する。 IN、UP、KSCデータセットでは、MVNetは分類精度と計算効率の両方で主流のハイパースペクトル画像分類法より優れている。
  論文  参考訳（メタデータ） (2025-07-06T14:52:26Z)
• STNMamba: Mamba-based Spatial-Temporal Normality Learning for Video Anomaly Detection [48.997518615379995]
  ビデオ異常検出(VAD)は、インテリジェントなビデオシステムの可能性から広く研究されている。 CNNやトランスフォーマーをベースとした既存の手法の多くは、依然としてかなりの計算負荷に悩まされている。 空間的時間的正規性の学習を促進するために,STNMambaという軽量で効果的なネットワークを提案する。
  論文  参考訳（メタデータ） (2024-12-28T08:49:23Z)
• Spatial-Mamba: Effective Visual State Space Models via Structure-aware State Fusion [46.82975707531064]
  SSM(Selective State Space Model)は、1Dシーケンシャルデータにおける長距離依存関係のキャプチャに優れる。 本研究では,地域間直接接続を実現する新しいアプローチであるSpatial-Mambaを提案する。 画像分類,検出,セグメンテーションにおいて,空間マンバは,単一のスキャンであっても,最先端のSSMベースのモデルを達成したり,超えたりしていることを示す。
  論文  参考訳（メタデータ） (2024-10-19T12:56:58Z)
• MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection [53.03687787922032]
  長距離モデリングと線形効率の優れたマンバモデルが注目されている。 本研究は,マルチクラス非教師付き異常検出へのMambaADの適用の先駆者であり,MambaADを提示する。 提案したLSSモジュールは、並列カスケード(Hybrid State Space) HSSブロックとマルチカーネル畳み込み操作を統合し、長距離情報とローカル情報の両方を効果的にキャプチャする。
  論文  参考訳（メタデータ） (2024-04-09T18:28:55Z)

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。