[論文レビュー] A Survey on Visual Anomaly Detection: Challenge, Approach, and Prospect

Yunkang Cao, Xiaohao Xu+5 more|arXiv (Cornell University)|Jan 29, 2024

Anomaly Detection Techniques and Applications被引用数 9

ひとこと要約

この調査は、データ不足、多様なモダリティ、階層的異常という3つの主要な課題を位置づけてVisual Anomaly Detection (VAD) を分析し、サンプル数、モダリティ、異常階層にわたる進展を概観し、将来の方向性を結論付ける。

ABSTRACT

Visual Anomaly Detection (VAD) endeavors to pinpoint deviations from the concept of normality in visual data, widely applied across diverse domains, e.g., industrial defect inspection, and medical lesion detection. This survey comprehensively examines recent advancements in VAD by identifying three primary challenges: 1) scarcity of training data, 2) diversity of visual modalities, and 3) complexity of hierarchical anomalies. Starting with a brief overview of the VAD background and its generic concept definitions, we progressively categorize, emphasize, and discuss the latest VAD progress from the perspective of sample number, data modality, and anomaly hierarchy. Through an in-depth analysis of the VAD field, we finally summarize future developments for VAD and conclude the key findings and contributions of this survey.

研究の動機と目的

• Visual Anomaly Detection (VAD) における主要な課題を特定し、それらがモデル設計に与える影響を明らかにする。
• サンプル数設定、データモダリティ、および異常階層にわたる現代のVADの進展を調査する。
• 産業界の文脈における今後のVAD研究を導くため、データセット、指標、および代表的手法を要約する。
• 汎用的なVADフレームワーク、基盤モデルの展望、マルチモーダル/全体的なVADを含む将来の方向性を提案する。

提案手法

• サンプル数（半教師あり、教師なし、Few-shot、Zero-shot）でVAD手法を分類し、過学習と境界一般化を緩和する戦略を論じる。
• 画像モダリティ（2D RGB、3D点群、マルチモダリティ）によってVADを分類し、モダリティ間での事前学習モデルの利点と限界を分析する。
• 異常階層（構造的 vs セマンティック）でVADを分割し、局所的な構造パターンとエンティティ間の関係に対する手法をレビューする。
• VADを評価するために用いられるデータセット（例：MVTec AD、MVTec 3D、MVTec LOCO、VisA）と指標（AUROC、AUPRO）をレビューする。
• 新たに出現するトレンドとギャップを強調し、VADにおける将来の研究方向を促す。

実験結果

リサーチクエスチョン

• RQ1 現実世界のタスクにおいて効果的なVisual Anomaly Detectionを妨げる主要な課題は何か？
• RQ2 VAD手法はサンプル数設定、データモダリティ、異常階層でどのように異なるか？
• RQ3 産業用VADの進展を最もよく捉えるデータセットと評価指標は何か、またどのギャップが残るか？
• RQ4 基盤モデルやマルチモーダルVADを含む将来の方向性のうち、一般化とスケーラビリティの観点で最も有望なのは何か。

主な発見

• VADの進展はサンプル数、データモダリティ、異常階層の3つの視点から分析される。
• 産業用VADが進展の大半を牽引しており、構造的異常と同様にセマンティック異常が注目を集めている。
• 教師なしVADは正常データ分布のモデリング、メモリバンク、再構成、蒸馏、フローに基づくアプローチを活用する。
• Few-shotおよびZero-shot VADは特徴の記述性、メモリ、外部知識（例：CLIPベースの手法）を重視する。
• 3D VADは発展しているが、頑健な事前学習済み3Dモデルが少ないためRGBベースの手法に遅れを取っている。
• マルチモダリティアプローチはRGB、3D、および他のモダリティを統合して検出性能を向上させることを目指す。