論文の概要: OSAGEN: Object-Aware Mask Priors and Multistage Decoupled Diffusion for Industrial Anomaly Generation

• arxiv url: http://arxiv.org/abs/2607.29533v1
• Date: Fri, 31 Jul 2026 15:30:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.782348
• Title: OSAGEN: Object-Aware Mask Priors and Multistage Decoupled Diffusion for Industrial Anomaly Generation
• Title（参考訳）: OSAGEN:産業異常発生のためのオブジェクト指向マスクと多段分離拡散
• Abstract要約: オブジェクト認識マスクの先行と多段分離拡散を組み合わせたOSAGENを提案する。 3段階の適応は、正常な外観、粗い条件下での欠陥の出現、きめ細かいマスクキャリブレーションを順次学習する。 MVTec AD と VisA では、OSAGEN は、それぞれ 88.1/82.2 と 68.5/66.1 のAP-P/F1-Pスコアを、統一された下流ローカライゼーションプロトコルで達成している。
• 参考スコア（独自算出の注目度）: 18.033397775306515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial anomaly detection and localization are limited by scarce real anomalies and pixel-level annotations, a bottleneck that synthetic image-mask pairs can alleviate. However, existing few-shot mask-guided generation may over-follow mask geometry, produce weak anomalies, or use condition masks incompatible with the current object instance. We propose OSAGEN, which combines object-aware mask priors with multistage decoupled diffusion. Its three-stage adaptation sequentially learns normal appearance, defect appearance under coarse conditions, and fine-grained mask calibration, improving defect realization and local control. QBG injects object structure from a matched normal image into mask diffusion to produce object-aware priors, while ISC restricts anomaly propagation and preserves normal content during sampling. A lightweight materialization step recovers pixel-level labels aligned with the realized defects. On MVTec AD and VisA, OSAGEN achieves AP-P/F1-P scores of 88.1/82.2 and 68.5/66.1, respectively, under a unified downstream localization protocol. The code will be released upon acceptance.
• Abstract（参考訳）: 工業的異常検出と局所化は、合成画像マスク対が緩和できるボトルネックである、実際の異常やピクセルレベルのアノテーションによって制限される。 しかし、既存の数発のマスク誘導世代は、オーバーフォローマスクの幾何学、弱い異常の生成、または現在のオブジェクトインスタンスと互換性のない条件マスクを使用することができる。 オブジェクト認識マスクの先行と多段分離拡散を組み合わせたOSAGENを提案する。 その3段階適応は、正常な外観、粗い条件下での欠陥の出現、きめ細かいマスクキャリブレーションを順次学習し、欠陥実現と局所制御を改善する。 QBGは、一致した正常画像からマスク拡散にオブジェクト構造を注入し、オブジェクト認識前駆体を生成し、ICCは異常な伝播を制限し、サンプリング中に正常なコンテンツを保存する。 軽量化ステップは、実現した欠陥に対応する画素レベルラベルを回収する。 MVTec AD と VisA では、OSAGEN は、それぞれ 88.1/82.2 と 68.5/66.1 のAP-P/F1-Pスコアを、統一された下流ローカライゼーションプロトコルで達成している。 コードは受理時にリリースされます。

関連論文リスト

• DPA: Decoupling Product-Agnostic Anomaly Representations for Zero-shot Anomaly Generation [52.52576712810738]
  産業異常検出は異常サンプルから恩恵を受けるが、新しくデプロイされた製品は通常正常な画像のみを提供するため、異常サンプルの収集は困難である。 既存の手法は主にテクスチャイメージやテキスト記述を異常ソースとして依存しており、しばしば非現実的な異常を生成する。 本稿では,既存のソース製品から実際の異常を再利用した,異常転送に基づくゼロショット生成を提案する。
  論文  参考訳（メタデータ） (2026-09-02T04:03:05Z)
• GroundingAnomaly: Spatially-Grounded Diffusion for Few-Shot Anomaly Synthesis [16.74245445257004]
  我々は,新しい数発の異常画像生成フレームワークであるGroundingAnomalyを提案する。 本フレームワークでは,画素ごとのセマンティックマップを活用する空間条件モジュールを導入している。 Gated Self-Attention Moduleは、凍結したU-Netに条件付きトークンを注入するように設計されている。
  論文  参考訳（メタデータ） (2026-04-09T14:34:50Z)
• One-to-More: High-Fidelity Training-Free Anomaly Generation with Attention Control [31.036186754161225]
  工業的異常検出 (AD) は, 正常な画像が多数存在するが, 異常な画像が不足していることが特徴である。 我々は,より現実的な異常を合成するために,訓練不要な小ショット異常生成手法,すなわちO2MAGを提案する。
  論文  参考訳（メタデータ） (2026-03-18T09:32:41Z)
• Generate Aligned Anomaly: Region-Guided Few-Shot Anomaly Image-Mask Pair Synthesis for Industrial Inspection [53.137651284042434]
  異常検査は製造業において重要な役割を担っているが、異常サンプルの不足は既存の方法の有効性を制限している。 本稿では,GAA (Generate grained Anomaly) を提案する。 GAAは少数のサンプルのみを用いて現実的で多様で意味的に整合した異常を発生させる。
  論文  参考訳（メタデータ） (2025-07-13T12:56:59Z)
• MAGIC: Mask-Guided Diffusion Inpainting with Multi-Level Perturbations and Context-Aware Alignment for Few-Shot Anomaly Generation [4.773905705768453]
  産業品質管理設定において, 少ない異常データを増大させるための実用的なソリューションとして, ショット異常生成が出現している。 マルチレベル摂動とコンテキスト認識アライメントを備えたMAGIC-Mask-Guided Inpaintingを提案する。 MAGICは、下流の異常なタスクにおいて、過去の最先端のタスクより優れています。
  論文  参考訳（メタデータ） (2025-07-03T04:54:37Z)
• LR-IAD:Mask-Free Industrial Anomaly Detection with Logical Reasoning [1.3124513975412255]
  産業異常検出(IAD)は欠陥を特定することで製品品質を確保するために重要である。 既存の視覚言語モデル(VLM)とMLLM(Multimodal Large Language Models)はいくつかの制限に対処するが、マスクアノテーションに依存している。 授業の不均衡に対処するために,授業中に稀な欠陥パターンを動的に優先順位付けする報酬関数を提案する。
  論文  参考訳（メタデータ） (2025-04-28T06:52:35Z)
• Mask Factory: Towards High-quality Synthetic Data Generation for Dichotomous Image Segmentation [70.95380821618711]
  Dichotomous Image (DIS) タスクは高度に正確なアノテーションを必要とする。 現在の生成モデルとテクニックは、シーンのずれ、ノイズによるエラー、限られたトレーニングサンプルの変動といった問題に苦慮している。 多様な正確なデータセットを生成するためのスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2024-12-26T06:37:25Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• AnomalyDiffusion: Few-Shot Anomaly Image Generation with Diffusion Model [59.08735812631131]
  製造業において異常検査が重要な役割を担っている。 既存の異常検査手法は、異常データが不足しているため、その性能に制限がある。 本稿では,新しい拡散型マイクロショット異常生成モデルであるAnomalyDiffusionを提案する。
  論文  参考訳（メタデータ） (2023-12-10T05:13:40Z)
• S^2-Transformer for Mask-Aware Hyperspectral Image Reconstruction [59.39343894089959]
  トランスフォーマー再構成バックエンドを備えたスナップショット圧縮撮像器(CASSI)は、高忠実度センシング性能を示す。 空間的およびスペクトル的アテンションデザインは ハイパースペクトルモデリングの限界を示します パラレルアテンション設計とマスク認識学習戦略により実装された空間スペクトル(S2-)変換器を提案する。
  論文  参考訳（メタデータ） (2022-09-24T19:26:46Z)
• 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)

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。