論文の概要: Don't Just Impute, Detect: Task-Aware Diffusion Pipelines for Edge Anomaly Detection
- arxiv url: http://arxiv.org/abs/2610.40732v1
- Date: Thu, 29 Oct 2026 12:23:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.451752
- Title: Don't Just Impute, Detect: Task-Aware Diffusion Pipelines for Edge Anomaly Detection
- Title（参考訳）: Don't just Impute, Detect: Task-Aware Diffusion Pipelines for Edge Anomaly Detection
- Abstract要約: IIoTエッジパイプラインは、マルチセンサーデータの連続したブロックを、ネットワークのドロップアウトとハードウェアの障害に日常的に失う。
Standard Remedy は、Mean Squared Error (MSE) のためにのみ訓練された非結合型の「インプット・then-detect」パイプラインである。
本研究では,凍結下流検出器の損失景観に対して学習した条件付き拡散精錬機であるタスク・アウェア拡散精錬器(TADR)を提案する。
- 参考スコア（独自算出の注目度）: 5.507731864896894
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Industrial Internet of Things (IIoT) edge pipelines routinely lose contiguous blocks of multi-sensor data to network dropouts and hardware faults. The standard remedy is a disjointed "impute-then-detect" pipeline whose imputer is trained only for Mean Squared Error (MSE). Such an imputer fills a missing block with the most probable normal pattern: a partially observed anomaly is smoothed back toward normality, and boundary artifacts on normal data raise false alarms. We call this imputation bias and propose the Task-Aware Diffusion Refiner (TADR), a conditional diffusion refiner trained against the loss landscape of a frozen downstream detector. Because back-propagating through the sampling trajectory is intractable, the task-aware terms act on the one-step clean-window estimate that the noise prediction already yields, so training costs no more than plain diffusion training. Under strict Point-to-Point evaluation over five seeds with paired significance tests, TADR raises F1 by $0.338$ over the unrefined detector on SMD ($p = 0.0015$), and the anomaly enhancement objective alone contributes $0.463$ in ablation. We also characterise when the method helps: the gain tracks the continuous, mutually redundant channels available and the anomaly evidence the outage removes, and it is absent on telemetry datasets dominated by one-hot command channels and on PSM. At ten sampling steps TADR runs in $41.4$ ms per window on a single CPU core, sustaining about $24$ concurrent 1 Hz streams from a $4.03$ MB model. Code and per-seed results are available at https://github.com/int-park422/TADR.
- Abstract（参考訳）: 産業用IoT(Industrial Internet of Things)エッジパイプラインは、マルチセンサデータの連続したブロックを、ネットワークのドロップアウトとハードウェアの障害に頻繁に失う。
標準的な治療は、インプタがMean Squared Error (MSE) のためにのみ訓練される非接続の「インプテ・タン・デテククト」パイプラインである。
部分的に観察された異常が正常にスムーズされ、通常のデータ上の境界アーティファクトが偽のアラームを引き起こす。
我々は、この計算バイアスを、凍結下流検出器の損失景観に対して訓練された条件付き拡散精錬器である、タスク・アウェア拡散精錬器(TADR)を提案する。
サンプリング軌道をバックプロパゲートすることは難易度が高いため、タスク認識項はノイズ予測が既に得られるという一段階のクリーンウィンドウ推定に作用するので、訓練費は通常の拡散訓練に限らない。
TADRは5つの種に対する厳密なポイント・ツー・ポイント評価の下で、SMD上の未精製検出器に対してF1を0.338ドル引き上げる(p = 0.0015ドル)。
また,この手法が有効である場合の特徴として,ゲインが利用可能な連続的かつ相互に冗長なチャネルを追跡し,異常が除去されたことを証明し,ワンホットのコマンドチャネルとPSMが支配するテレメトリデータセットに欠落している点を挙げる。
10回のサンプリングステップで、TADRは1つのCPUコア上で1ウィンドウあたり41.4$msで動作し、4.03$ MBモデルから約24$の同時1Hzのストリームを保持する。
コードとシーケンス毎の結果はhttps://github.com/int-park422/TADRで確認できる。
関連論文リスト
- Over-the-Air Federated Learning in Heterogeneous Mobile Wireless Networks [56.36166282526799]
オーバー・ザ・エア(Over-the-air)計算は、無線ネットワークに学習アルゴリズムをデプロイするためのスケーラブルで効率的なソリューションである。
我々は,アルゴリズム正規化を採用し,暗黙のゴシップを通じてデバイスのアップデートを均等に混合するFedOAGを提案する。
論文 参考訳（メタデータ） (2026-09-26T18:04:09Z) - APEXA: Execution-Integrity Enforcement for Multi-Agent LLM Automation of Synchrotron Data Reduction [0.23332469289621782]
我々は、シンクロトロンデータリダクションのための61のツールをコーディネートするフレームワークAPEXAを提案する。
決定論的実行統合ガードは、実行されていないツール呼び出しの結果を返すのを防ぐ。
また,APEXA-Benchは科学的正当性と身体的影響によって構成された58の施設タスクである。
論文 参考訳（メタデータ） (2026-09-21T06:33:11Z) - Spectral-Guided Diffusion: Accelerating Inference via Static Spectral Layer Scheduling [6.908972852063454]
SCR/フロベニウスは、ランダム、深さ、ノルム、安定ランク、およびフロベニウスの安定ランクスケジュールよりも品質を保っていることを示す。
SCR/フロベニウスはレイヤーステップの予算で、ランダム、深さ、ノルム、安定なランク、安定なランクのスケジュールよりも品質を保っている。
論文 参考訳（メタデータ） (2026-08-24T17:43:01Z) - Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。
我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。
この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
論文 参考訳（メタデータ） (2026-08-01T13:49:46Z) - From Patches to Trajectories: Privileged Process Supervision for Software-Engineering Agents [56.31499185764872]
教師の長い軌道上の監督された微調整(SFT)は、オープンソフトウェアエンジニアリング(SWE)エージェントに調査と推論を浸透させる主要な方法である。
本稿では,P2T (Patches-to-Trajectories) を提案する。P2T (Patches-to-Trajectories) は,P2T (Patches-to-Trajectories) において,P2T (Patches-to-Trajectories) とP2T (Patches-to-Trajectories) の2つの最適化法である。
論文 参考訳（メタデータ） (2026-05-21T04:54:55Z) - Lost in Fog: Sensor Perturbations Expose Reasoning Fragility in Driving VLAs [0.0]
本稿では,自律運転における視覚・言語・行動(VLA)の頑健性に関する摂動研究について述べる。
推論整合性は軌道の信頼性の高忠実度指標であることがわかった。
論文 参考訳（メタデータ） (2026-05-20T17:34:02Z) - TACO: Trajectory Aligning Cross-view Optimisation [13.162763356411448]
クロスビュー・ジオローカライゼーションは地上画像と衛星タイルとを一致させて絶対的な位置修正を行う。
近年の細粒化CVGL法は, サブタイル式メートル法を推し進めているが, ワンショットローカライザーとしてのみ評価されている。
TACOは密結合型IMU+細粒化CVGLパイプラインであり,起動時に1回の読み取りを消費し,その後,オンボードセンシングのみで動作させる。
論文 参考訳（メタデータ） (2026-05-05T03:04:49Z) - Thermal Anomaly Detection using Physics Aware Neuromorphic Networks: Comparison between Raw and L1C Sentinel-2 Data [5.904895437536006]
近年の地球観測では、非圧縮レベル0(L0)センサーデータに基づいて、熱異常検出が直接行われることが示されている。
データの直接利用は、ドメインシフト、センサードリフト、ラジオメトリックの不整合、ラベル付きトレーニングサンプルの不足など、依然として困難である。
本研究は, 搭載熱異常検出のための物理対応ニューロモルフィックネットワークフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-10T02:15:02Z) - Noisy Test-Time Adaptation in Vision-Language Models [73.14136220844156]
テスト時間適応(TTA)は、テスト中のターゲットデータのみに依存することにより、ソースデータとターゲットデータの分散シフトに対処することを目的としている。
本稿では、ゼロショット方式で、テスト時にノイズのあるサンプルをターゲットとするデータにモデルを適応させることに焦点を当てたゼロショットノイズTTA(ZS-NTTA)を提案する。
本稿では, 冷凍機の出力を擬似ラベルとして利用し, ノイズ検出器の訓練を行う適応ノイズ検出器(AdaND)を提案する。
論文 参考訳（メタデータ） (2025-02-20T14:37:53Z) - StraightPCF: Straight Point Cloud Filtering [50.66412286723848]
ポイントクラウドフィルタリングは、基礎となるクリーンな表面を回復しながらノイズを取り除くことを目的とした、基本的な3Dビジョンタスクである。
我々は、ポイントクラウドフィルタリングのための新しいディープラーニングベースの方法であるStraightPCFを紹介する。
ノイズの多い点を直線に沿って移動させることで、離散化誤差を低減し、クリーン表面への高速な収束を保証する。
論文 参考訳（メタデータ） (2024-05-14T05:41:59Z)
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。