本論文では、教師なし異常検知(UAD)のための新しい手法であるマスク拡散ポスターリサンプリング(MDPS)を提案している。
MDPS の主な特徴は以下の通り:
正常画像の再構築問題を、ベイズ理論に基づいて拡散ポスターリサンプリングとしてモデル化している。これにより、正常画像の再構築品質を大幅に向上させることができる。
マスクノイズ観測モデルを導入し、テスト画像の正常領域の情報を保護することで、正常領域の再構築品質を高めている。
ピクセルレベルと知覚レベルの両方の差異指標を組み合わせた異常スコアを設計し、複数の正常ポスターサンプルを平均することで、より正確な異常検知と局在化を実現している。
実験では、MVTec および BTAD データセットにおいて、従来手法を大きく上回る異常検知と局在化の精度を示している。特に、MVTec データセットでは Image-AUROC 98.8%、Pixel-AUROC 97.3% を達成し、最先端の性能を示している。
翻译成其他语言
从原文生成
arxiv.org
更深入的查询