論文の概要: GRC-Net: Global Representation Consistency Network for Unsupervised Multimodal Anomaly Detection

• arxiv url: http://arxiv.org/abs/2610.09329v1
• Date: Wed, 07 Oct 2026 02:35:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.684298
• Title: GRC-Net: Global Representation Consistency Network for Unsupervised Multimodal Anomaly Detection
• Title（参考訳）: GRC-Net: 教師なしマルチモーダル異常検出のためのグローバル表現一貫性ネットワーク
• Abstract要約: GRC-Netは、パッチ埋め込みにまたがるグローバルな表現一貫性を、安定した再構築モジュールと統合し、再構築安定性を向上させる。 MVTec 3D-ADとEyecandiesの実験では、GRC-Netは画像レベルとピクセルレベルの両方で既存の手法より一貫して優れていた。
• 参考スコア（独自算出の注目度）: 10.86998594699358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated quality inspection is essential for ensuring product reliability in manufacturing.While image-based methods effectively capture appearance-related defects, these methods are limited in detecting structural and geometric anomalies, motivating multimodal approaches incorporating 3D information. However, existing methods mainly rely on local patch-level representations, which often lead to unstable reconstruction errors even in normal regions. To address this limitation, we propose GRC-Net, which integrates a global-attention MLP to enforce global representation consistency across patch embeddings with a stable reconstruction module to improve reconstruction stability. The proposed method captures holistic contextual information through a global token and suppresses reconstruction noise by minimizing discrepancies between original and predicted embeddings. Experiments on MVTec 3D-AD and Eyecandies demonstrate that GRC-Net consistently outperforms existing methods at both image and pixel levels. Qualitative results further demonstrate reduced reconstruction errors in normal regions and more distinct reconstruction differences between normal and anomalous regions.
• Abstract（参考訳）: 自動品質検査は製造における製品信頼性の確保に不可欠であり, 外観関連欠陥を効果的に捉えながら, 構造的・幾何学的異常の検出や3次元情報を用いたマルチモーダルアプローチのモチベーションに制限がある。 しかし、既存の手法は主に局所的なパッチレベルの表現に依存しており、通常の領域でも不安定な再構成エラーを引き起こすことが多い。 この制限に対処するために,GRC-Netを提案する。GRC-Netはグローバルアテンション型MLPを統合し,パッチ埋め込み全体に対するグローバルな表現一貫性を安定な再構築モジュールで実現し,再構築安定性を向上する。 提案手法は,グローバルトークンを通じて全体的文脈情報をキャプチャし,オリジナルと予測された埋め込みの相違を最小限に抑えて再構成ノイズを抑制する。 MVTec 3D-ADとEyecandiesの実験では、GRC-Netは画像レベルとピクセルレベルの両方で既存の手法より一貫して優れていた。 定性的結果は, 正常領域における再構成誤差の低減と, 正常領域と異常領域との再構成の相違をより明確に示している。

関連論文リスト

• GenRec: Knowing Where to Reconstruct and Where to Generate [106.48347271421765]
  GenRecは、再構築世代をそのアーキテクチャ、監督、勾配フローに直接分割するフローマッチングモデルである。 観察された領域で最高の復元忠実度を達成し、また、観測されていない領域では、知覚的品質の純粋に生成的ベースラインを超越する。
  論文  参考訳（メタデータ） (2026-08-18T14:31:19Z)
• SwinAD: Multi-stage feature reconstruction for unsupervised industrial anomaly detection [0.0]
  SwinADは、マルチクラスの教師なし異常検出のための再構成ベースのフレームワークである。 階層エンコーダは意味的にリッチなマルチスケール機能を提供する。 特徴多様性保存再構築フレームワークは相補的な再構築仮説を維持している。
  論文  参考訳（メタデータ） (2026-07-16T03:39:56Z)
• Point Cloud Diffusion with Global and Local Reconstruction for Instance-Level 3D Anomaly Detection [53.26344422459608]
  インスタンスレベルの3次元異常発生と検出のための点群拡散フレームワークである textbfPCDiff を提案する。 生成フェーズでは、インスタンスレベルのマルチモーダルアテンションが生成フレームワークに埋め込まれ、そこでは異常にテクスチャ勾配、画像パッチ、テキスト、マスクが条件付けられている。 検出段階では,局所的異常回復と大域的幾何整合性を確保するために,共同局所言語再構成アルゴリズムが導入された。
  論文  参考訳（メタデータ） (2026-06-24T12:11:05Z)
• AlignVAR: Towards Globally Consistent Visual Autoregression for Image Super-Resolution [16.90182090355781]
  視覚的自己回帰モデルは、次のスケールの予測を通じて安定したトレーニング、非定性推論、高忠実性合成を提供する。 しかし、その応用は未調査のままであり、局所性に偏った注意と残留性のみの監督という2つの重要な課題に直面している。 画像超解像に適した一貫した視覚自己回帰フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-28T10:39:06Z)
• Revisiting Reconstruction-based AI-generated Image Detection: A Geometric Perspective [50.83711509908479]
  幾何学的観点からの再構成誤差に対するヤコビアンスペクトル下界の導入について述べる。 再構成多様体上の実画像は非自明な誤差下界を示し、多様体上の生成された画像はゼロに近い誤差を持つことを示す。 本稿では,構造化編集操作を活用することで動的再構成誤差を計算できるReGapを提案する。
  論文  参考訳（メタデータ） (2025-10-29T03:45:03Z)
• Zero-P-to-3: Zero-Shot Partial-View Images to 3D Object [55.93553895520324]
  そこで本研究では,局所的な高密度観測と複数ソースの事前情報を統合した学習自由手法を提案する。 本手法では, DDIMサンプリングにおいて, これらの先行情報を効果的に整合させる融合方式を導入し, 多視点一貫した画像を生成し, 見えない視界を監督する。
  論文  参考訳（メタデータ） (2025-05-29T03:51:37Z)
• Multimodal LLM-Guided Semantic Correction in Text-to-Image Diffusion [52.315729095824906]
  MLLM Semantic-Corrected Ping-Pong-Ahead Diffusion (PPAD) は,マルチモーダル大言語モデル(MLLM)を推論中の意味的オブザーバとして導入する新しいフレームワークである。 中間世代をリアルタイムに分析し、潜在意味的不整合を識別し、フィードバックを制御可能な信号に変換し、残りの認知ステップを積極的に導く。 大規模な実験ではPPADの大幅な改善が示されている。
  論文  参考訳（メタデータ） (2025-05-26T14:42:35Z)
• 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)
• Exploring the Relationship between Samples and Masks for Robust Defect Localization [1.90365714903665]
  本稿では,モデルプロセスなしで欠陥パターンを直接検出する一段階フレームワークを提案する。 欠陥の位置を示す可能性のある明示的な情報は、直接マッピングを学ぶことを避けるために意図的に除外される。 その結果,提案手法はF1-ScoreのSOTA法よりも2.9%高い値を示した。
  論文  参考訳（メタデータ） (2023-06-19T06:41:19Z)

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。