Core Concepts
提案されたReal-IADデータセットは、産業用異常検出のための包括的なデータセットであり、従来のデータセットに比べてより挑戦的であり、異常検出アルゴリズムの研究を促進することが期待されます。
Abstract
産業用異常検出(IAD)における重要性と困難さに焦点を当て、新しいReal-IADデータセットの提案が行われました。
現在の主流なデータセットと比較して、Real-IADは30種類のオブジェクトをカバーし、150K枚以上の高解像度画像を含んでいます。
Real-IADは単一視点からマルチビューへと進化し、サンプルレベルで評価される初めてのデータセットです。
完全非監督異常検出(FUIAD)設定も提案され、実際のアプリケーションシナリオに近い状況を模倣します。
結果は既存の方法と比較して報告され、FUIAD設定では多くの手法が性能低下を示すことが明らかになりました。
Industrial Anomaly Detection Importance:
IAD技術は急速に発展しており、現在のデータセットでは限界に達していることが指摘されています。
実際の産業生産ラインから得られるデータには一定量のノイズが含まれるため、完全非監督異常検出(FUIAD)設定がより適しています。
Real-IAD Dataset Features:
Real-IADは30種類以上のオブジェクトをカバーし、150K枚以上の高解像度画像を提供します。
マルチビュー撮影やサンプルレベル評価メトリクスなど革新的な特徴を持つ初めてのデータセットです。
Fully Unsupervised Anomaly Detection (FUIAD):
FUIAD設定ではほとんどすべての手法が性能低下を経験しました。PatchCoreやSoftPatchなど一部手法は安定した結果を示しました。
Stats
MVTec AD [2]では97.9%まで達成したI-AUROCパフォーマンスがReal-IADでは85%程度に低下していることが報告されています。
Real-IADは30種類以上のオブジェクトカテゴリーと5つ以上の撮影角度から成るマルチビューデータセットであることが強調されています。