ReConPatch：産業用異常検出のための対照的パッチ表現学習

製品の欠陥、例えば部品の誤装着、部品のずれ、損傷などの高度な検出において、異常検出は極めて重要である。製造業における欠陥は稀にしか観測されず、その種類も未知であるため、機械学習における異常検出は困難とされている。この課題を克服するために、近年の手法は自然画像データセットから事前学習された一般的な視覚表現を利用し、関連する特徴を蒸留（distill）するアプローチが採用されている。しかし、既存の手法には、事前学習された特徴とターゲットデータとの間に乖離が生じる問題や、特に工業用データセットにおいては慎重に設計が必要な入力増強（input augmentation）を要するという課題が残っている。本論文では、事前学習モデルから抽出されたパッチ特徴に対する線形変調を学習することで、異常検出に向けた判別性の高い特徴を構築するReConPatchを提案する。ReConPatchは、対照的表現学習（contrastive representation learning）を用いて、ターゲット指向かつ分離が容易な表現を生成するように特徴を収集・配置する。対照学習に必要なラベル付きペアが存在しないという問題に対処するため、データ表現間の2種類の類似性指標——ペアワイズ類似性と文脈類似性——を仮ラベルとして活用する。本手法は、広く使用されかつ困難なMVTec ADデータセットにおいて、最新の異常検出性能（99.72％）を達成した。さらに、BTADデータセットにおいても、最新の異常検出性能（95.8％）を達成した。