産業品質管理における異常検出のための自己教師付き反復的精緻化

本研究では、高リスクな産業用品質管理に向けた堅牢な異常検出手法として「反復的精緻化プロセス（Iterative Refinement Process, IRP）」を提案する。IRPは、反復的に誤解を招くデータポイントを除去するデータ精緻化戦略を採用することで、モデルの性能およびロバスト性を向上させ、異常検出の精度を高めるものである。本手法の有効性は、多様な産業製品および異常タイプをカバーする2つのベンチマークデータセット、Kolektor SDD2（KSDD2）およびMVTec ADを用いて検証された。実験結果から、特にノイズが多い環境下においても、IRPは従来の異常検出手法を一貫して上回ることが示された。本研究は、IRPが産業現場における異常検出手順の大幅な向上に貢献する可能性を示しており、疎なデータおよびノイズの多いデータ環境における課題を効果的に対応できるものであると強調している。