要約
異常の検出および局所化を目的として、シンプルかつ実用性の高いネットワーク（以下、SimpleNet）を提案する。SimpleNetは以下の4つの構成要素からなる：(1) 本地特徴を生成する事前学習済みの特徴抽出器、(2) 本地特徴をターゲットドメインに適応させる浅層の特徴変換器、(3) 正常特徴にガウシアンノイズを加えることで擬似異常特徴を生成するシンプルな異常特徴生成器、(4) 異常特徴と正常特徴を区別する二値の異常識別器。推論時には、異常特徴生成器は無効化される。本手法は以下の3つの直感に基づいている。第一に、事前学習済み特徴をターゲット指向の特徴へ変換することで、ドメインバイアスを回避できる。第二に、特徴空間内で擬似異常を生成する方が、画像空間における欠陥同士の類似性が低い場合に有効である。第三に、シンプルな識別器は計算効率が高く、実用性に優れる。構造の単純さにもかかわらず、SimpleNetは定量的・定性的に従来手法を上回る性能を達成した。MVTec ADベンチマークにおいて、SimpleNetは異常検出のAUROCを99.6%に達成し、次に優れたモデルと比較して誤差を55.5%低減した。さらに、3080ti GPU上で77 FPSという高いフレームレートを実現し、既存手法よりも高速である。また、One-Class Novelty Detectionタスクにおいても、顕著な性能向上が確認された。コードは以下より公開：https://github.com/DonaldRR/SimpleNet。