産業異常検知のためのテンプレートベース特徴集約ネットワーク
arXiv cs.CV / 2026/3/25
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、従来の特徴復元アプローチにおけるショートカット学習のリスクを抑え、産業異常検知の性能を高めるためのテンプレートベース特徴復元モデルであるTFA-Netを提案する。
- 入力特徴を直接復元するのではなく、TFA-Netは前もって抽出したテンプレート特徴へ、多尺度の入力特徴を集約することで、正常なテンプレート表現との類似度が低い異常特徴を抑制する。
- 融合したテンプレート特徴を用いて復元された特徴の詳細を洗練し、入力特徴マップと復元特徴マップの差分を測定することで異常箇所を特定（ローカライズ）する。
- 検査性能を強化するためにランダムマスキング戦略を追加し、実運用の産業環境において頑健性を維持できるようにする。
- 実験では、複数の実世界の産業データセットに対して最先端の結果が報告され、リアルタイム性に適することが主張されている。また、著者らはリンクされたGitHubリポジトリを通じてコードを提供している。
