Fugu-MT 論文翻訳(概要): Agentic Ensemble with Vision-Language Models for Visual Anomaly Detection

論文の概要: Agentic Ensemble with Vision-Language Models for Visual Anomaly Detection

arxiv url: http://arxiv.org/abs/2610.28560v1
Date: Tue, 20 Oct 2026 17:22:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-21 21:58:47.945183
Title: Agentic Ensemble with Vision-Language Models for Visual Anomaly Detection
Title（参考訳）: 視覚異常検出のための視覚言語モデルを用いたエージェントアンサンブル
Abstract要約: AnomalyAgentは、正確な視覚異常検出のための訓練後の融合フレームワークである。 AnomalyAgentは不均一なスコアとマップを整列し、スコアと地域レベルの不一致を要約し、融合を有限作用選択問題として扱う。 MVTec AD と VisA の AnomalyAgent を主要なベンチマークとして,さらに 7 つの公開異常ベンチマークと Real-IAD を用いて大規模スコアレベル評価を行った。
参考スコア（独自算出の注目度）: 48.68375215978705
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Visual anomaly detection aims to detect abnormal objects, while anomaly samples are often scarce during model training. Assembling multiple pretrained detectors can help by leveraging their transferable image scores and anomaly maps. However, most existing ensemble methods apply fixed fusion rules over saved predictions which struggle when pretrained detectors clearly disagree due to different training objectives, priors, and visual representations. To this end, we design AnomalyAgent, a post-training fusion framework for accurate visual anomaly detection. AnomalyAgent aligns heterogeneous scores and maps, summarizes score- and region-level disagreement, and treats fusion as a finite action-selection problem. It implements two types of actions: 1) score actions that determine how to fuse image-level detector confidence via consensus, robust aggregation, detector weighting, or score-map consistency; 2) map actions that fuse dense anomaly responses via consensus, detector weighting, geometric aggregation, or disagreement correction. A constrained vision-language model (VLM) is introduced to inspect high-conflict samples and select valid score action and map action to produce the final prediction. We evaluate AnomalyAgent on MVTec AD and VisA as primary benchmarks, together with seven additional public anomaly benchmarks and Real-IAD for large-scale score-level evaluation. Across these benchmarks, AnomalyAgent consistently improves over equal-weight fusion and achieves the best mean image AUROC and pixel AP among the compared fusion methods on MVTec AD and VisA, while demonstrating robust transfer across additional anomaly domains.
Abstract（参考訳）: 視覚異常検出は異常な物体を検出することを目的としており、異常サンプルはモデルトレーニング中に不足することが多い。複数の事前訓練された検出器を組み立てることで、転送可能な画像スコアと異常マップを活用することができる。しかし、既存のアンサンブル法の多くは、事前訓練された検出器が異なる訓練目標、事前、視覚的表現のために明確に一致しない場合に苦労する保存された予測に対して固定核融合規則を適用している。この目的のために、我々は、正確な視覚異常検出のための訓練後の融合フレームワークであるAnomalyAgentを設計する。 AnomalyAgentは不均一なスコアとマップを整列し、スコアと地域レベルの不一致を要約し、融合を有限作用選択問題として扱う。アクションは2種類ある。 1) コンセンサス、ロバストアグリゲーション、検出器重み付け又はスコアマップ整合性を通じて、画像レベルの検出信頼性を融合する方法を決定するスコアアクション。 2) コンセンサス, 検出器重み付け, 幾何的集合, あるいは不一致補正を介して, 密集した異常応答を融合させる写像制約付き視覚言語モデル(VLM)を導入し、ハイコンフリクトサンプルを検査し、有効なスコアアクションとマップアクションを選択して最終的な予測を生成する。 MVTec AD と VisA の AnomalyAgent を主要なベンチマークとして,さらに 7 つの公開異常ベンチマークと Real-IAD を用いて大規模スコアレベル評価を行った。これらのベンチマーク全体で、AnomalyAgentは等重量核融合よりも一貫して改善し、MVTec ADとVisAの比較核融合法のうち、AUROCとピクセルAPの最良の平均画像を得る。

関連論文リスト

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)
MATCH: Flow Matching for Multi-View Anomaly Detection [27.222384424781975]
フローマッチング(FM)に基づく最初のマルチビュー異常検出手法であるMATCHを提案する。 MATCHは、コンシューマレベルのハードウェア上で動作しながら、異常検出とセグメンテーションの両方で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-06-23T10:07:54Z)
Beyond Nodes vs. Edges: A Multi-View Fusion Framework for Provenance-Based Intrusion Detection [6.343815622517112]
PROVfusionは、証明に基づく侵入検知のための多視点異常融合フレームワークである。軽量な融合スキームを通じて異種異常信号を融合し、投票ベースの統合プロセスを通じて最終的な異常決定を決定する。広く使用されている9つのベンチマークエンティティデータセットの実験では、PROVfusionは単一ノードとエッジ中心のベースラインよりも高い検出精度と偽陽性率を実現する。
論文参考訳（メタデータ） (2026-04-16T06:40:50Z)
AgentIAD: Tool-Augmented Single-Agent for Industrial Anomaly Detection [9.208080780536504]
AgentIADは、多段階の視覚検査を可能にするツール駆動のフレームワークである。 AgentIADは、MMADの新しい最先端の97.62%の分類精度を達成する。
論文参考訳（メタデータ） (2025-12-15T18:57:04Z)
Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
論文参考訳（メタデータ） (2025-10-16T05:35:37Z)
Towards Generalizable Forgery Detection and Reasoning [23.858913560970866]
We formulate detection and explanation as a unified forgery Detection and Reasoning task (FDR-Task) マルチモーダル・フォージェリー推論データセット (MMFR-Dataset) は10つの生成モデルにわたる120K画像を含む大規模データセットであり, フォージェリー属性には378Kの推論アノテーションがある。複数の生成モデルに対する実験により、FakeReasoningは堅牢な一般化を実現し、検出タスクと推論タスクの両方において最先端の手法より優れていることが示された。
論文参考訳（メタデータ） (2025-03-27T06:54:06Z)
SOOD: Towards Semi-Supervised Oriented Object Detection [57.05141794402972]
本稿では, 主流の擬似ラベリングフレームワーク上に構築された, SOOD と呼ばれる, 半教師付きオブジェクト指向物体検出モデルを提案する。提案した2つの損失をトレーニングした場合,SOODはDOTA-v1.5ベンチマークの様々な設定下で,最先端のSSOD法を超越することを示した。
論文参考訳（メタデータ） (2023-04-10T11:10:42Z)
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)
Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
論文参考訳（メタデータ） (2021-06-11T13:03:33Z)
Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
論文参考訳（メタデータ） (2020-03-29T04:23:22Z)

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。