エッジで実現する効率的なビジュアル異常検知：リソース制約下のデバイスでのリアルタイム産業検査を可能にする

Abstract

画像異常検出（VAD）は、産業の品質管理に不可欠であり、製造における欠陥の自動検出を可能にします。実際の生産ラインでは、VADシステムは厳格なリアルタイム性とプライバシー要件を満たす必要があるため、クラウドベースの処理からローカルのエッジ展開へと移行する必要があります。しかし、エッジデバイス上でデータをローカル処理すると、エッジのハードウェアには限られたメモリと計算資源しかないため、新たな課題が生じます。これらの制約を克服するために、本研究ではエッジ展開を目的とした2つの効率的なVAD手法、PatchCore-LiteとPadim-Liteを提案します。これらは、広く知られたPatchCoreおよびPaDiMモデルに基づいています。PatchCore-Liteはまず、プロダクト量子化されたメモリバンク上で粗い探索を行い、その後デコードされたサブセットに対して厳密な探索を実行します。Padim-Liteは対角共分散により高速化され、マハラノビス距離を効率的な要素ごとの計算へと変換します。MVTec ADおよびVisAのベンチマークで手法を評価し、エッジ環境への適合性を示します。PatchCore-Liteは総メモリフットプリントを驚異的に79%削減し、一方でPaDiM-Liteは総メモリを77%削減しつつ大幅な効率化を達成し、さらに推論時間を31%減少させます。これらの結果は、VADをエッジデバイス上に効果的に展開できることを示しており、リアルタイム性、プライバシー、そして低コストな産業向け検査を可能にします。