VT-ADL：画像異常検出および局所化のためのビジョントランスフォーマーネットワーク

本稿では、トランスフォーマーに基づく画像異常検出および局所化ネットワークを提案する。提案モデルは、再構成に基づくアプローチとパッチ埋め込みの組み合わせで構成されている。トランスフォーマーネットワークを用いることで、埋め込まれたパッチの空間情報を保持でき、その後、ガウス混合密度ネットワークにより異常領域を局所化する。さらに、実世界の産業用異常データとしてのBTADデータセットも公開する。本研究の成果は、MNISTやMVTecなどの公に利用可能なデータセットを用いて、他の最先端アルゴリズムと比較して評価されている。