PaDiM：異常検出および局所化のためのパッチ分布モデリングフレームワーク

本稿では、一クラス学習設定下で画像内の異常を同時に検出および局所化するための新たなフレームワーク、Patch Distribution Modeling（PaDiM）を提案する。PaDiMは、事前学習済みの畳み込みニューラルネットワーク（CNN）を用いてパッチ埋め込みを行い、多次元ガウス分布を活用して正常クラスの確率的表現を構築する。さらに、CNNの異なる意味論的レベル間の相関関係を活用することで、異常の局所化精度を向上させる。提案手法は、MVTec ADおよびSTCデータセットにおいて、現在の最先端手法と比較して、異常検出および局所化の両面で優れた性能を発揮する。実世界の視覚的産業検査に即応させるために、アライメントされていないデータセットに対する異常局所化アルゴリズムの性能評価プロトコルを拡張した。PaDiMは高い性能と低計算複雑性を兼ね備えており、多くの産業応用に適した候補となる。