[論文レビュー] A Survey on Unsupervised Anomaly Detection Algorithms for Industrial Images

Yajie Cui, Zhaoxiang Liu+1 more|arXiv (Cornell University)|Apr 24, 2022

Industrial Vision Systems and Defect Detection被引用数 6

ひとこと要約

本サーベイは、産業用画像の異常検出における教師なし深層学習アルゴリズムについて包括的な概要を提供し、それらを再構成ベース、生成モデルベース、表現ベース、自己教師あり、ハイブリッドの5つのアプローチに分類している。本研究では、誤検知率（FAR）と見逃し検知率（MAR）のトレードオフが、根本的な未解決課題であると特定し、将来的には基盤モデルとマルチモーダル学習の統合を提言することで、実世界の産業応用における耐性と一般化性能の向上を図る。

ABSTRACT

In line with the development of Industry 4.0, surface defect detection/anomaly detection becomes a topical subject in the industry field. Improving efficiency as well as saving labor costs has steadily become a matter of great concern in practice, where deep learning-based algorithms perform better than traditional vision inspection methods in recent years. While existing deep learning-based algorithms are biased towards supervised learning, which not only necessitates a huge amount of labeled data and human labor, but also brings about inefficiency and limitations. In contrast, recent research shows that unsupervised learning has great potential in tackling the above disadvantages for visual industrial anomaly detection. In this survey, we summarize current challenges and provide a thorough overview of recently proposed unsupervised algorithms for visual industrial anomaly detection covering five categories, whose innovation points and frameworks are described in detail. Meanwhile, publicly available datasets for industrial anomaly detection are introduced. By comparing different classes of methods, the advantages and disadvantages of anomaly detection algorithms are summarized. Based on the current research framework, we point out the core issue that remains to be resolved and provide further improvement directions. Meanwhile, based on the latest technological trends, we offer insights into future research directions. It is expected to assist both the research community and industry in developing a broader and cross-domain perspective.

研究の動機と目的

• 教師あり深層学習が産業用異常検出に適用される際の限界を解決すること。具体的には、高価で時間がかかる欠陥ラベルデータの大量必要という点。
• 産業用ビジョン応用に特化した最近の教師なし異常検出アルゴリズムの体系的レビューを提供すること。
• 実際の導入において直面する主な課題、特に誤検知率と見逃し検知率のトレードオフを特定すること。
• 公開済みのデータセット（MVTec, NEU-CLS, AITEX など）の適切な適合性を評価し、産業用異常検出研究における役割を明らかにすること。
• 将来的な研究方向性を提案すること。特に、基盤モデルとマルチモーダル学習を活用し、一般化性能と効率性を向上させること。

提案手法

• 本論文は、その根拠となる原理とアーキテクチャに基づき、教師なし異常検出手法を再構成ベース、生成モデルベース、表現ベース、自己教師あり、ハイブリッドの5つのグループに分類している。
• 各手法クラスのフレームワークと革新点を分析し、ラベル付きの異常データなしで正常パターンを学習する仕組みに焦点を当てる。
• MVTec、NEU-CLS、AITEX といったベンチマークデータセットを用いて、AUC-ROC、FAR、MAR といった標準指標によるモデル性能の評価を実施している。
• 事前学習済みモデルや基盤モデルが、ドメイン間での特徴表現の質と移譲性を向上させる役割を果たすことを議論している。
• 最近のマルチモーダル学習の進展（例：CLIP、Stable Diffusion）を統合し、画像とテキストのプロンプトを受け入れる将来のモデルパイプラインを提言している。
• 各手法の強み・弱みを比較し、スケーラビリティ、推論速度、異常局所化の正確さを主な評価基準として強調している。

実験結果

リサーチクエスチョン

• RQ1 産業用画像の異常検出における教師なし深層学習手法の主なカテゴリは何であり、それらのアーキテクチャと原理はどのように異なるか？
• RQ2 実際の産業現場において、現在の教師なし手法が抱える主な制限は何か。特に、誤検知率と見逃し検知率のトレードオフについて説明せよ。
• RQ3 MVTec、NEU-CLS、AITEX といった公開済みデータセットは、堅牢な異常検出モデルの開発をどのように支援または制限しているか？
• RQ4 基盤モデルとマルチモーダル学習は、どのようにして産業用異常検出システムの性能と適応性を向上させうるか？
• RQ5 現在の技術トレンドを踏まえると、産業ビジョンにおける教師なし異常検出の今後の最も有望な研究方向性は何か？

主な発見

• 誤検知率（FAR）と見逃し検知率（MAR）のトレードオフが、産業用教師なし異常検出分野における中心的な未解決課題であると特定された。
• 事前学習済みモデルを用いた表現ベース手法は、欠陥データへの微調整なしに特徴を効果的に抽出できるため、優れた性能を示している。
• 再構成ベースや生成モデル（例：オートエンコーダ、GAN）は依然として広く使われているが、高次元のテクスチャ異常や局所化の正確性に課題を抱えている。
• 自己教師ありおよびコントラスト学習手法は、正常データのみから意味のある表現を学ぶための事前学習タスクを活用することで、一般化性能が向上している。
• 基盤モデルとマルチモーダル学習（例：CLIP、SAM）は、テキストプロンプトを用いたゼロショットまたはフェイントショットの適応を可能にする画期的なアプローチとして登場している。
• 特に基盤モデルとマルチモーダル入力の統合が、耐性と導入効率の向上に向けた今後の主要な方向性であると特定された。