Khái niệm cốt lõi
MambaADは、事前学習されたエンコーダと、マルチスケールの局所強化状態空間(LSS)モジュールを特徴とするMambaデコーダから構成されています。LSSモジュールは、グローバルな情報をキャプチャするハイブリッド状態空間(HSS)ブロックと、ローカルな情報を補完する並列マルチカーネル畳み込み演算で構成されています。提案するHSSブロックは、5つのスキャン手法と8つのスキャン方向を活用することで、複雑な異常特徴の効果的なモデリングを実現しています。6つの異なる異常検知データセットと7つの評価指標で実験を行い、パラメータ数と計算量が低いにもかかわらず、最先端の性能を達成することを示しています。
Tóm tắt
本研究は、Mambaフレームワークを異常検知に初めて適用したものです。提案するMambaADは、事前学習されたエンコーダと、Mambaベースのデコーダから構成されています。デコーダには、局所強化状態空間(LSS)モジュールが組み込まれています。
LSSモジュールは以下の2つの要素から成ります:
- ハイブリッド状態空間(HSS)ブロックの連鎖 - グローバルな情報をキャプチャ
- 並列マルチカーネル畳み込み演算 - ローカルな情報を補完
HSSブロックでは、5つのスキャン手法(スイープ、スキャン、Z順、ジグザグ、ヒルベルト)と8つのスキャン方向を活用しています。ヒルベルトスキャンは、産業製品の中心に集中する特徴をうまくモデル化できるため、採用されています。
MambaADは、6つの異なるデータセットと7つの評価指標で実験を行い、最先端の性能を達成しています。特に、パラメータ数と計算量が低いにもかかわらず、既存手法を大きく上回る結果を示しています。
Thống kê
提案手法MambaADは、既存手法と比較して大幅に少ないパラメータ数と計算量で最先端の性能を達成している。
MambaADのパラメータ数は、DiAD[14]の1/50程度である。
MambaADのFLOPsは、DiAD[14]の1/50程度である。
Trích dẫn
"MambaADは、事前学習されたエンコーダと、マルチスケールの局所強化状態空間(LSS)モジュールを特徴とするMambaデコーダから構成されています。"
"LSSモジュールは、グローバルな情報をキャプチャするハイブリッド状態空間(HSS)ブロックと、ローカルな情報を補完する並列マルチカーネル畳み込み演算で構成されています。"
"提案するHSSブロックは、5つのスキャン手法と8つのスキャン方向を活用することで、複雑な異常特徴の効果的なモデリングを実現しています。"