MIRAGE: モデル非依存の産業用現実的異常生成と視覚的異常検出の評価

要旨: 産業用ビジュアル異常検知（VAD）手法は通常、正常サンプルのみで訓練されますが、限られた異常データが利用可能なだけで性能が大幅に向上します。従来の異常生成アプローチは実際の異常例を必要とするもの、あるいは高価なハードウェアを要求するもの、または現実味を欠く合成欠陥を生み出すもののいずれかです。私たちは MIRAGE（Model-agnostic Industrial Realistic Anomaly Generation and Evaluation）を提示します。トレーニングや異常画像を必要とせず、現実的な異常画像生成とピクセルレベルのマスク作成を実現する完全自動化パイプラインです。私たちのパイプラインは API 呼び出しを介して任意の生成モデルをブラックボックスとしてアクセスし、VLM を用いて自動的に欠陥プロンプトを生成し、適切に整列した生成画像のみを保持する CLIP ベースの品質フィルターを含みます。規模拡大のためのマスク生成には、テキスト条件付き Grounding DINO 特徴と高精細な YOLOv6-Seg 構造特徴を組み合わせた、トレーニング不要の軽量な二分岐セマンティックチェンジ検出モジュールを導入します。Gemini 2.5 Flash Image（Nano Banana）を生成バックボーンとして用い、MVTec AD および VisA で 2 つの異なるタスク：（i）下流の異常セグメンテーション、（ii）生成画像の視覚品質を評価するために、4 つの生成手法をベンチマークします。標準指標（IS、IC-LPIPS）と、31 名の参加者と 1,550 ペアワイズ投票を含む人間の知覚調査を用いて評価します。結果は、MIRAGE が現実の欠陥データを必要とせず、異常検知対応の産業検査のためのスケーラブルでアクセスしやすい基盤を提供することを示しています。最後の貢献として、MVTec AD および VisA の各クラスについてカテゴリごとに500 枚の画像-マスクペアを含む大規模データセットを公開し、全体で 13,000 ペア以上を提供します。生成プロンプトとパイプラインコードも併せて公開します。