Fugu-MT 論文翻訳(概要): FreqAnchorAD: Language-Free Zero-Shot Anomaly Detection via Frequency-Deviation Anchoring

論文の概要: FreqAnchorAD: Language-Free Zero-Shot Anomaly Detection via Frequency-Deviation Anchoring

arxiv url: http://arxiv.org/abs/2608.00695v1
Date: Sat, 01 Aug 2026 14:48:19 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-04 15:07:24.868968
Title: FreqAnchorAD: Language-Free Zero-Shot Anomaly Detection via Frequency-Deviation Anchoring
Title（参考訳）: FreqAnchorAD:周波数ずれアンカリングによる言語自由ゼロショット異常検出
Abstract要約: 本稿では,アンカー相対的異常識別のための周波数強調応答を整理するフレームワークであるFreqAnchorADを提案する。 FreqAnchorADは画像レベルの異常認識と画素レベルの欠陥ローカライゼーションにおいて最先端の性能を達成する。
参考スコア（独自算出の注目度）: 11.908079655919849
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Zero-shot anomaly detection (ZSAD) aims to detect anomalies and localize defective regions in unseen target domains without target training data. Recent ZSAD methods build on pretrained vision models, particularly CLIP, and construct normal and anomaly references from textual prompts or learnable visual representations. These methods perform anomaly discrimination primarily in spatial feature spaces, where subtle changes in texture, boundaries, and local structures can be confused with normal appearance variations. Although inconspicuous spatially, such defects can disrupt local texture regularity or boundary continuity, inducing response deviations across frequency bands. However, existing ZSAD methods do not explicitly model these frequency-dependent characteristics. Our image-domain analysis reveals that local defects exhibit spatial-frequency deviations from normal references across low-, middle-, and high-frequency bands, indicating that anomaly evidence is not universally dominated by high-frequency responses. Motivated by this observation, we propose FreqAnchorAD, a frequency-aware framework that organizes frequency-enhanced responses for anchor-relative anomaly discrimination. Specifically, the Local Frequency Compensation Module (LFCM) enhances intermediate patch tokens with local spatial-frequency cues. The Frequency-Deviation Anchor Projector (FDAP), our core discrimination module, organizes enhanced responses along a source-derived channel coordinate and measures anomaly evidence through relative similarity to normal and anomaly anchors. Finally, Asymmetric Anchor Supervision (AAS) stabilizes normal-anchor alignment while preserving diverse anomaly patterns. Experiments on thirteen industrial and medical benchmarks show that FreqAnchorAD achieves state-of-the-art mean performance in image-level anomaly recognition and pixel-level defect localization.
Abstract（参考訳）: Zero-shot Anomaly Detection (ZSAD)は、ターゲットのトレーニングデータなしで、異常を検出し、未確認のターゲット領域の欠陥領域をローカライズすることを目的としている。近年のZSAD法は、事前訓練された視覚モデル、特にCLIPに基づいて構築され、テキストプロンプトや学習可能な視覚表現から正常および異常な参照を構築する。これらの手法は主に空間的特徴空間において異常識別を行い、テクスチャ、境界、局所構造の微妙な変化を通常の外観変化と混同することができる。空間的に不明瞭ではあるが、そのような欠陥は局所的なテクスチャ規則性や境界連続性を阻害し、周波数帯域間の応答偏差を引き起こす。しかし、既存のZSAD法はこれらの周波数依存特性を明示的にモデル化していない。画像領域解析により, 局所欠陥は低域, 中域, 高周波帯の標準基準から空間周波数のずれを示すことが明らかとなり, 異常な証拠は高周波応答に普遍的に支配されないことが示唆された。本稿では,周波数対応フレームワークFreqAnchorADを提案する。具体的には、LFCM(Local Frequency Compensation Module)は、局所的な空間周波数キューによる中間パッチトークンを強化する。我々のコア識別モジュールであるFDAPは、ソース由来のチャネル座標に沿って強化された応答を整理し、正常なアンカーと異常なアンカーとの相対的な類似性を通じて異常な証拠を測定する。最後に、非対称アンカー・スーパービジョン(AAS)は、様々な異常パターンを保持しながら正常アンカーアライメントを安定化する。 13の産業用および医療用ベンチマーク実験により、FreqAnchorADは画像レベルの異常認識と画素レベルの欠陥ローカライゼーションにおいて最先端の性能を達成することが示された。

関連論文リスト

VFAD: Variational Semantic Prompting Meets Frequency-Adaptive Representation Learning for Zero-Shot Anomaly Detection [28.519590715885567]
本稿では、周波数適応型表現学習と変分セマンティック・プロンプトを組み合わせた統合フレームワークVFADを提案する。 VFADは、様々な異常シナリオにおいて、既存の最先端のZSAD手法よりも一貫して優れていることを示す。
論文参考訳（メタデータ） (2026-07-31T12:56:01Z)
XMatchAD: A Cross-Modal Matching Perspective on Reconstruction-based Anomaly Detection [30.401044523780723]
XMatchADは、疑似クロスモーダルマッチングの観点からタスクを再解釈する新しいUADフレームワークである。提案手法は,マルチクラスの異常検出と局所化において,優れた性能,最先端の手法よりも優れた性能を実現している。
論文参考訳（メタデータ） (2026-07-26T13:47:10Z)
AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
AnchorMoEは、解釈可能な構成別分類フレームワークである。ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
論文参考訳（メタデータ） (2026-06-02T13:30:54Z)
VACE: Learning Geometrically Structured Representations for Time Series Anomaly Detection [0.788278500923222]
VACEは自己監督型異常検出法である。これは埋め込み空間におけるコンパクトで方向整合性のある領域を表す。より大規模な予算で訓練された、より複雑な手法よりもはるかに優れています。
論文参考訳（メタデータ） (2026-05-22T11:07:09Z)
Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文参考訳（メタデータ） (2026-02-04T15:25:02Z)
Correcting Deviations from Normality: A Reformulated Diffusion Model for Multi-Class Unsupervised Anomaly Detection [15.572896213775438]
本稿では,選択的領域変更を目的とした標準拡散モデルの再構成を提案する。遅延空間における異常をノイズとしてモデル化することにより,通常の領域を保存し,異常領域の変換を促進する。包括的評価は, 複雑な画像中の異常を正確に同定し, 位置決めする上で, 提案手法の優位性を示すものである。
論文参考訳（メタデータ） (2025-03-25T05:14:40Z)
GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
論文参考訳（メタデータ） (2024-07-17T09:27:41Z)
GLAD: Towards Better Reconstruction with Global and Local Adaptive Diffusion Models for Unsupervised Anomaly Detection [60.78684630040313]
拡散モデルは、特定のノイズを付加したテスト画像の通常の画像を再構成する傾向がある。世界的視点から見ると、異なる異常による画像再構成の難しさは不均一である。本稿では,非教師付き異常検出のためのグローバルかつ局所的な適応拡散モデル(GLADと略す)を提案する。
論文参考訳（メタデータ） (2024-06-11T17:27:23Z)
Dual-path Frequency Discriminators for Few-shot Anomaly Detection [12.956761809902167]
本稿では、これらの問題に対処するために、周波数観点からDual-Path Frequency Discriminator (DFD)ネットワークを提案する。識別者は擬似アノマリーの形で共同表現を学ぶ。 MVTec AD と VisA ベンチマークで行った実験では、DFD が現在の最先端手法を超越していることが示されている。
論文参考訳（メタデータ） (2024-03-07T02:17:59Z)
FS-BAND: A Frequency-Sensitive Banding Detector [55.59101150019851]
バンディング・アーティファクト(Banding artifact)は、階段のような輪郭(contour)として知られ、圧縮や伝達などで発生する一般的な品質の不快さである。周波数感度バンディング検出器 (FS-BAND) と呼ばれる,帯状アーティファクトを捕捉・評価するための非参照帯状検出モデルを提案する。実験結果から,FS-BAND法は画像品質評価(IQA)手法よりもバンドリング分類タスクの精度が高い結果を得た。
論文参考訳（メタデータ） (2023-11-30T03:20:42Z)
Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文参考訳（メタデータ） (2023-11-27T13:14:06Z)
Unsupervised Anomaly Detection and Localisation with Multi-scale Interpolated Gaussian Descriptors [31.02818044068126]
2つの問題に対処するために,教師なしの異常検出と局所化手法を提案する。本稿では,正規画像の低表示クラスに対して頑健な正規画像分布推定手法を提案する。また,マルチスケール構造および非構造的異常を正確に検出・局在化可能な新しい異常識別基準を提案する。
論文参考訳（メタデータ） (2021-01-25T12:38:51Z)

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。