FocusPatch AD: Few-Shot Multi-Class Anomaly Detection with Unified Keywords Patch Prompts

科学分野:

• コンピュータビジョン
• 機械学習

背景:

• 産業用少数ショット異常検出（FSAD）は、正常サンプルの制限とカテゴリごとの個別のモデルの必要性という課題に直面しています。
• 既存の手法では、単一カテゴリのモデルトレーニングにより、高い計算コストとストレージコストがかかります。

研究 の 目的:

• マルチクラス、少数ショット設定のための統一された異常検出フレームワークを開発すること。
• 計算オーバーヘッドを削減し、一般化能力を向上させることにより、現在のFSADメソッドの限界に対処すること。

主な方法:

• ビジョン・言語モデルを活用した統一FSADのための新しいフレームワークであるFocusPatch ADを導入しました。
• 異常キーワードを特定の画像領域にリンクする手法を開発し、異常への焦点を強化し、背景干渉を低減しました。
• グローバルな意味的整合アプローチで一般的な誤検出の問題を軽減しました。

主要な成果:

• MVTec、VisA、Real-IADデータセットにおける画像レベルおよびピクセルレベルの異常検出の両方で大幅な改善を達成しました。
• 既存の異常検出手法と比較して、優れた分類および局在化性能を示しました。
• 多様なカテゴリおよびドメインにわたるフレームワークの優れた一般化能力と適応性を検証しました。

結論:

• FocusPatch ADは、統一された少数ショット、マルチクラス異常検出のための効果的なソリューションを提供します。
• 提案された領域焦点アプローチは、産業用異常検出における精度と効率を向上させます。
• このフレームワークは、適応可能で堅牢な異常識別を必要とする実世界のアプリケーションに大きな可能性を示しています。