要約
異常合成戦略は、非教師付き異常検出の性能を効果的に向上させることができる。しかし、従来の戦略には、異常のカバー範囲および制御性に限界があり、特に正常領域と非常に類似した微弱な欠陥に対してはその効果が十分ではない。本論文では、特徴空間におけるグローバル異常合成（GAS）の多様体および超球面分布制約と、画像空間におけるローカル異常合成（LAS）を統合的に考慮した、新たな包括的フレームワークである「グローバル・ローカル異常共合成戦略（GLASS）」を提案する。本手法は、勾配上昇を用いたガウスノイズのガイドと断片化投影を活用し、分布内に近い異常を制御可能に合成する。GLASSは、MVTec AD（検出AUROC 99.9%）、VisA、MPDDなどのデータセットにおいて最先端の性能を達成し、特に微弱な欠陥検出において優れた成果を示した。さらに、織物製品の欠陥検出という産業応用においても、その有効性と効率性が実証された。コードおよびデータセットは以下のURLから公開されている：\url{https://github.com/cqylunlun/GLASS}。