要約
産業プロセスにおいて、制御不能な要因により製品に予期せぬ欠陥が生じることがある。従来の教師なし手法は欠陥の局在化において成功を収めてきたが、一般的に事前学習モデルを用いることで出力の解像度が低くなり、視覚的性能が損なわれるという問題がある。この課題に対処するため、本研究では外部事前知識を用いない初めての完全な正規化フロー（normalizing flow）手法であるPyramidFlowを提案する。この手法により、高解像度な欠陥局在化が可能となる。具体的には、事前学習モデルが行うようにクラス内ばらつきを低減するため、潜在テンプレートに基づく欠陥対比局在化パラダイムを提案する。さらに、PyramidFlowはピラミッド構造に類似した正規化フローを用いて多スケール融合を実現するとともに、体積正規化を導入することで汎化性能の向上を図っている。MVTecADを用いた包括的な実験により、本手法が外部事前知識を用いない類似手法を上回り、特に難易度の高いBTADシナリオにおいても最先端の性能を達成することが示された。