画像ベースの欠陥検出のための完全畳み込みクロススケールフロー

工業製造プロセスにおいて、欠陥は予測不可能なタイミングで、また予期しない形で頻繁に発生する。本研究では、不良品の画像サンプルを一切不要とする自動欠陥検出の問題に取り組む。近年の手法は、欠陥のない画像データの分布を、強力な統計的事前知識や過度に単純化されたデータ表現を用いてモデル化している。これに対して、本研究では、画像のグローバルかつローカルな文脈を細かく捉えた表現を扱いながら、柔軟に密度を推定するアプローチを提案する。具体的には、複数の異なるスケールの特徴マップを同時に処理可能な、新規の完全畳み込み型クロススケール正規化フロー（CS-Flow）を設計した。正規化フローを用いて入力サンプルに意味のある尤度を割り当てることで、画像レベルでの効率的な欠陥検出が可能となる。さらに、正規化フローの潜在空間において空間的構造が保持されているため、解釈可能であり、画像内の欠陥領域の局所化も実現できる。本研究は、Magnetic Tile DefectsおよびMVTec ADというベンチマークデータセットにおいて、画像レベルの欠陥検出で新たな最先端の性能を達成し、15クラス中4クラスにおいてAUROCが100%を達成した。