要約
異常検出は大規模な産業製造における重要な応用分野である。近年のこのタスクに対する手法は優れた精度を示しているが、遅延のトレードオフを伴うことが課題である。PatchCoreや、結合超球に基づく特徴適応（Coupled-hypersphere-based Feature Adaptation, CFA）といった優れた性能を発揮するメモリベースのアプローチは、外部のメモリバンクを必要とし、実行時間が著しく延長される。一方、逆蒸留（Reversed Distillation, RD）を用いる手法は、低遅延を維持しつつ良好な性能を達成できる。本論文では、このアイデアを再検討し、異常検出および局在化の両面で、挑戦的なMVTecデータセットにおいて新たなSOTA（最優秀）ベンチマークを確立した。提案手法であるRD++は、PatchCoreの6倍、CFAの2倍の高速性を実現しつつ、RDと比較して無視できるほどの遅延増加に抑えている。さらに、BTADおよびRetinal OCTデータセットを用いた実験を通じて、本手法の汎化能力を検証し、構成に関する重要なアブレーション実験を実施し、その動作メカニズムの理解を深めた。ソースコードは、https://github.com/tientrandinh/Revisiting-Reverse-Distillation にて公開される予定である。