Hierarchischer Vektorquantisierter Transformer für die mehrklassige unüberwachte Anomalieerkennung

Unüberwachte Bildanomalieerkennung (UAD) strebt danach, robuste und diskriminative Darstellungen von normalen Stichproben zu erlernen. Während klassenspezifische Lösungen teure Berechnungen und eine begrenzte Generalisierbarkeit nach sich ziehen, konzentriert sich dieser Artikel auf die Entwicklung eines einheitlichen Rahmens für mehrere Klassen. Unter diesen herausfordernden Bedingungen leiden gängige rekonstruktionsbasierte Netze, die von kontinuierlichen latenten Darstellungen ausgehen, häufig unter dem Problem der "identischen Abkürzung", bei dem sowohl normale als auch anomale Stichproben gut rekonstruiert werden können und schwer zu unterscheiden sind. Um dieses zentrale Problem anzugehen, schlagen wir einen hierarchischen vektorquantisierten prototyporientierten Transformer in einem probabilistischen Rahmen vor. Zunächst behalten wir anstatt kontinuierliche Darstellungen zu lernen, typische normale Muster als diskrete ikonische Prototypen bei und bestätigen die Bedeutung der Vektorquantisierung dabei, das Modell davon abzuhalten, in die Abkürzung zu verfallen. Der vektorquantisierte ikonische Prototyp wird in den Transformer zur Rekonstruktion integriert, sodass anomale Datenpunkte in normale Datenpunkte umgewandelt werden. Zweitens untersuchen wir ein präzises hierarchisches Framework, um das Codebuch-Kollaps-Problem zu lindern und schwache normale Muster aufzufüllen. Drittens wird eine prototyporientierte optimale Transportmethode vorgeschlagen, um die Prototypen besser zu regulieren und die Anomaliescore hierarchisch zu bewerten. Durch die Auswertung anhand der Datensätze MVTec-AD und VisA übertrifft unser Modell die bislang besten Alternativen und verfügt über gute Interpretierbarkeit. Der Quellcode ist unter https://github.com/RuiyingLu/HVQ-Trans verfügbar.