要約
表面異常検出は製造業の検査において重要な要素です。現在の判別手法は、再構成ネットワークとその出力に依存する判別ネットワークからなる二段階アーキテクチャを採用しています。現行の再構成ネットワークはしばしば不十分な再構成を行い、異常がまだ含まれているか、または異常がない領域で詳細が欠けてしまうことがあります。判別手法は一部の再構成ネットワークの失敗に対して堅牢であり、これは判別ネットワークが再構成ネットワークが見逃す強力な正常外観信号を学習していることを示唆しています。私たちは二段階アーキテクチャを一連の反復プロセスに再定式化し、これにより再構成と局所化間での情報交換が可能になります。新しい透過性に基づく拡散プロセスを提案します。このプロセスでは、異常領域の透過性が徐々に増加し、その正常な外観を正確に復元しながら、前ステップの局所化手がかりを使用して異常がない領域の外観を維持します。提案したプロセスをTRANSparency DifFUSION (TransFusion)として実装しました。これは新たな判別型異常検出手法で、VisAデータセットとMVTec ADデータセットの両方で最先端の性能を達成しており、画像レベルでのAUROC（Area Under the Receiver Operating Characteristic curve）はそれぞれ98.5%と99.2%です。コード: https://github.com/MaticFuc/ECCV_TransFusion