要約
我々は、教師なし異常セグメンテーションにおける半直交埋め込み（semi-orthogonal embedding）の効率性を提示する。最近、事前学習済みのCNNから得られる多スケール特徴量を用いて局所的なマハラノビス距離を計算する手法が、顕著な性能向上を実現している。しかしながら、特徴量の次元が増加するにつれて、より大きなCNNにスケールアップする上で問題が生じる。これは、多次元共分散テンソルのバッチ逆行列を計算する必要があるためである。本研究では、臨時の手法として用いられるランダム特徴量選択を一般化し、より堅牢な近似を実現する半直交埋め込みを提案する。これにより、多次元共分散テンソルの逆行列計算における計算コストを立方的に削減することが可能となる。アブレーションスタディの詳細な検証を通じて、本手法はMVTec AD、KolektorSDD、KolektorSDD2、mSTCの各データセットにおいて、顕著な差をもって新たな最先端性能を達成した。理論的および実証的な分析により、本手法のシンプルでありながらコスト効率の高いアプローチの有効性が裏付けられている。