DiffusionAD：異常検出のためのノルム制御型1ステップノイズ除去拡散モデル

異常検出は、その優れた効果と効率性から、実際の工業製造分野において広範な応用を獲得している。しかし、従来の生成モデルに基づく手法は、再構成品質が最適でないという制約に直面しており、全体的な性能に悪影響を及ぼしていた。本研究では、再構成サブネットワークとセグメンテーションサブネットワークから構成される新しい異常検出パイプライン「DiffusionAD」を提案する。本手法の根本的な革新点は、拡散モデルを用いた再構成プロセスを「ノイズからノルム（正規化）へ」というパラダイムに再定式化した点にある。このプロセスでは、ガウスノイズによって異常領域の特徴が喪失され、その後、異常のない画像に再構成される。その後、セグメンテーションサブネットワークは、入力画像と異常のない再構成画像との類似性および差異に基づいて、画素単位の異常スコアを予測する。さらに、拡散モデルの反復的ノイズ除去特性により推論速度が著しく低下する問題に対し、ノイズ除去プロセスを見直し、高速な1ステップノイズ除去パラダイムを導入した。このパラダイムにより、再構成品質を比較的保ちつつ、数百倍の高速化を実現した。また、異常の表現形態の多様性を考慮し、複数のノイズスケールの利点を統合する「ノルムガイド付きパラダイム」を提案することで、再構成の忠実度を向上させた。4つの標準的かつ挑戦的なベンチマークにおける包括的な評価により、DiffusionADは現在の最先端手法を上回る性能を発揮し、推論速度においても同等の水準を維持していることが示された。これにより、本パイプラインの有効性と広範な適用可能性が確認された。コードは https://github.com/HuiZhang0812/DiffusionAD にて公開されている。