論文の概要: Memory-Bounded Continuation of Greedy Sampling for Continual Anomaly Detection

• arxiv url: http://arxiv.org/abs/2608.15277v1
• Date: Sat, 15 Aug 2026 15:19:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.246831
• Title: Memory-Bounded Continuation of Greedy Sampling for Continual Anomaly Detection
• Title（参考訳）: 連続異常検出のためのグレディサンプリングのメモリ境界継続
• Abstract要約: ContCoreはMVTecADとVisAで11のタスクスケジュールで最先端のパフォーマンスを実現している。 本研究は, より厳密なメモリ制限下での表現性を効果的に保ちつつ, 先行したグリーディサンプリングよりもグリーディ選択を反復的に適用した連続グリーディサンプリングを観察する。
• 参考スコア（独自算出の注目度）: 18.65032498197127
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Greedy sampling produces a compact yet representative summary of normal data, which is essential for reliable anomaly detection that relies on measuring distance from normality. For continual anomaly detection where tasks arrive sequentially, extending greedy sampling is straightforward with unbounded memory through coreset accumulation. However, practical deployment requires fixed memory where the coreset size remains constant regardless of task count. We observe that continued greedy sampling, which iteratively applies greedy selection over previously greedy-sampled sets, effectively preserves representativeness under strict memory limits. Despite discarding data at each step to satisfy the memory constraint, coreset quality degrades gracefully rather than catastrophically, enabling reliable anomaly detection across the tasks. We provide theoretical justification by showing that resulting greedy-continued coreset approximates the oracle coreset within a bounded gap. We instantiate this principle in ContCore, which constructs a greedy-continued coreset through greedy expansion on new task features followed by greedy consolidation to enforce the memory budget. Unlike neural methods susceptible to catastrophic forgetting or naive coreset accumulation requiring unbounded memory, ContCore maintains fixed memory with theoretical guarantees. Empirically, ContCore achieves state-of-the-art performance across 11 task schedules on MVTecAD and VisA, and extends effectively to online continual AD settings where prior methods degrade significantly. Code: https://github.com/jungyg/ContCore
• Abstract（参考訳）: グレディサンプリングは、正規性からの距離を測定する信頼性の高い異常検出に不可欠である、コンパクトで代表的な正規データの要約を生成する。 タスクが順次到着する連続異常検出では、コアセットの蓄積を通じて、非バウンドメモリでグレディサンプリングを拡張することは簡単である。 しかし、実際のデプロイには、タスク数に関係なくコアセットのサイズが一定である固定メモリが必要である。 本研究は, より厳密なメモリ制限下での表現性を効果的に保ちつつ, 先行したグリーディサンプリングよりもグリーディ選択を反復的に適用した連続グリーディサンプリングを観察する。 メモリ制約を満たすために各ステップでデータを破棄するが、コアセットの品質は破滅的にではなく優雅に低下し、タスク間で信頼性の高い異常検出を可能にする。 得られたグリーディ連続コアセットが、有界ギャップ内のオラクルコアセットに近似することを示すことによって理論的正当性を与える。 この原理をContCoreでインスタンス化し、新たなタスク機能の拡張と、メモリ予算を強制するgreedy Consolidationによって、greedy-continued coresetを構築します。 非バウンドメモリを必要とする破滅的な忘れ込みやナイーブコアセットの蓄積に影響を受けやすいニューラルネットワークとは異なり、ContCoreは理論的保証で固定メモリを維持している。 実証的には、ContCoreはMVTecADとVisAの11のタスクスケジュールで最先端のパフォーマンスを実現し、事前メソッドが大幅に低下するオンライン連続AD設定に効果的に拡張する。 コード:https://github.com/jungyg/ContCore

関連論文リスト

• The Immutable Past: Formalizing State Mutability and Conflict Resolution in Mutable RAG [0.0]
  本稿では,高密度検索がAsymptotic Recall Decayに苦しむことを証明するために,状態変化のメカニズムを定式化する。 これを解決するために,厳密な推論時間一貫性プロトコルであるGC-Memを導入する。
  論文  参考訳（メタデータ） (2026-09-13T15:28:07Z)
• CateKV: On Sequential Consistency for Long-Context LLM Inference Acceleration [67.17709877327232]
  ケイトKVは、一貫したヘッドに対して重要なトークン情報のみを保持するハイブリッドKVキャッシュ方式である。 Cate KV はメモリ使用量を最大$2.72 times$に減らし、シングルサンプル入力で$2.18times$に減らした。
  論文  参考訳（メタデータ） (2026-08-31T06:02:37Z)
• Remembering Distinct Items, Not Tokens: A Learnable Dirichlet-Process Cache Between State-Space Models and Attention [0.48342038441006796]
  本稿では,入力が新規である場合にのみスロットを割り当てるスパースキャッシュについて検討する。 固定濃度の静的キャッシュと,最近の新規性率に追従したサプライズ適応変種という2つの形態で開発する。
  論文  参考訳（メタデータ） (2026-07-10T18:28:21Z)
• LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
  赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:15:09Z)
• CoreMem: Riemannian Retrieval and Fisher-Guided Distillation for Long-Term Memory in Dialogue Agents [22.037336472678774]
  CoreMemはリソース効率のよいエッジクラウドメモリアーキテクチャであり、情報幾何学によって根本的に統一されている。 厳格な8GBのVRAM予算内でシームレスに動作し、リソース制約のあるエッジデバイスと理論上は根拠のない、寿命の長いメモリエージェントとのギャップを埋めることに成功した。
  論文  参考訳（メタデータ） (2026-06-16T18:56:23Z)
• Controller-Augmented Hidden Markov Models: A Computational Framework for Constrained Sequential Inference [0.0]
  本稿では Controller-Augmented Hidden Markov Models (CHMM) を提案する。 CHMMは、最小限の十分な履歴を追跡する有限状態コントローラに各制約をコンパイルするフレームワークである。 3つの実世界のシークエンスラベルタスクにおいて,CHMMを6つの代替デコーダに対して評価する。
  論文  参考訳（メタデータ） (2026-06-11T19:29:09Z)
• Stream-CQSA: Avoiding Out-of-Memory in Attention Computation via Flexible Workload Scheduling [0.0]
  Stream-CQSAはメモリ適応型スケジューリングフレームワークで、注意を任意のメモリ予算に適合するサブプロブレムに分割する。 実験では、予測可能なメモリスケーリングを示し、数十億のシーケンスに対する正確な注意が、ストリーミング経由で単一のGPU上で実行可能であることを示す。
  論文  参考訳（メタデータ） (2026-04-22T17:46:09Z)
• Gated Differentiable Working Memory for Long-Context Language Modeling [80.27483324685434]
  本稿では,Gdwm(Gated Differentiable Working Memory)を提案する。 ZeroSCROLLS と LongBench v2 の実験では、Gdwm は均一なベースラインよりも 4$times$ の勾配ステップで同等または優れたパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2026-01-19T10:00:33Z)
• Gated KalmaNet: A Fading Memory Layer Through Test-Time Ridge Regression [53.48692193399171]
  Gated KalmaNet(GKA)は、次のトークンを予測する際に、すべての過去を説明することによってギャップを低減するレイヤである。 テスト時間におけるオンラインリッジ回帰問題を一定メモリと線形計算コストで解決する。 ロングコンテキストでは、GKAは現実世界のRAGタスクとLongQAタスクを最大128kトークンまで拡張し、他の薄型メモリベースラインよりも10ドル%以上の相対的な改善を実現している。
  論文  参考訳（メタデータ） (2025-11-26T03:26:37Z)
• CADIC: Continual Anomaly Detection Based on Incremental Coreset [0.0]
  本稿では,全てのタスクが統一メモリバンクを共有する新しいCADフレームワークを提案する。 トレーニング中、このメソッドは固定サイズのコアセット内の埋め込みを漸進的に更新する。 推論段階では、異常スコアは最寄りのマッチング機構を介して計算される。
  論文  参考訳（メタデータ） (2025-11-10T03:13:11Z)
• Mind the Gap: Bridging Occlusion in Gait Recognition via Residual Gap Correction [57.75544235445363]
  RG-Gaitを提案する。これは、総体的保持を伴う閉塞歩行認識のための残差補正法である。 提案するネットワークは学習した残差を適応的に統合し,閉鎖歩行系列の性能を著しく向上させる。
  論文  参考訳（メタデータ） (2025-07-15T04:45:14Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Kernel Continual Learning [117.79080100313722]
  カーネル連続学習は、破滅的な忘れ事に取り組むための、シンプルだが効果的な連続学習の変種である。 エピソードメモリユニットは、カーネルリッジ回帰に基づいてタスク固有の分類器を学ぶために、各タスクのサンプルのサブセットを格納する。 タスク毎にデータ駆動カーネルを学ぶための変動ランダム機能。
  論文  参考訳（メタデータ） (2021-07-12T22:09:30Z)

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。