[論文レビュー] Natural Synthetic Anomalies for Self-Supervised Anomaly Detection and Localization

Hannah M. Schlüter, Jeremy Tan+2 more|arXiv (Cornell University)|Sep 30, 2021

Anomaly Detection Techniques and Applications被引用数 48

ひとこと要約

本論文は Natural Synthetic Anomalies (NSA) を提案します。Poisson-blending を用いた自己教師付きタスクで、正常データのみを用いてエンドツーエンドの異常検知と局在モデルを訓練し、追加データなしでMVTec ADにおいて最先端の結果を達成します。

ABSTRACT

We introduce a simple and intuitive self-supervision task, Natural Synthetic Anomalies (NSA), for training an end-to-end model for anomaly detection and localization using only normal training data. NSA integrates Poisson image editing to seamlessly blend scaled patches of various sizes from separate images. This creates a wide range of synthetic anomalies which are more similar to natural sub-image irregularities than previous data-augmentation strategies for self-supervised anomaly detection. We evaluate the proposed method using natural and medical images. Our experiments with the MVTec AD dataset show that a model trained to localize NSA anomalies generalizes well to detecting real-world a priori unknown types of manufacturing defects. Our method achieves an overall detection AUROC of 97.2 outperforming all previous methods that learn without the use of additional datasets. Code available at https://github.com/hmsch/natural-synthetic-anomalies.

研究の動機と目的

• 正規の訓練データのみを用いて、異常検知と局在のためのシンプルな自己教師付きタスクの動機付けと設計。
• Poisson 画像編集を用いて自然風の多様な合成異常を作成し、実際の欠陥への汎化を向上させる。
• 事前学習済みエンコーダに依存せず、ピクセル単位の異常マップを出力するエンドツーエンドのモデルを開発する。
• 自然画像と医用画像でNSAを評価し、ドメイン横断的適用性を示す。

提案手法

• Poisson 画像編集を用いて、ソース画像からリスケールしたパッチを宛先画像にシームレスにブレンドし、合成異常を作成する。
• 切断ガンマ分布でパッチサイズをサンプルし、オブジェクトに影響を及ぼすようオブジェクト重なり制約を課す。
• ブレンド後と宛先画像の強度差から派生したピクセル-wise ラベルを提供し、二値・連続・ロジスティックターゲットの選択肢を用意する。
• ピクセル-wise 損失を用いたエンコーダ–デコーダネットワークを訓練する（有界ラベルにはbinary cross-entropy、無界の連続ラベルには mean squared error）。
• 1つの画像に複数のパッチを許可し、現実的な異常コンテキストを確保するためにオブジェクト/背景マスクを使用する。

実験結果

リサーチクエスチョン

• RQ1 NSA は外部データなしで、エンドツーエンドの異常検知と局在を改善する多様で現実的な合成異常を生成できるか。
• RQ2 検知および局在精度の観点で、NSA は従来の自己教師付き拡張方式（CutPaste、FPI、PII）とどのように比較されるか。
• RQ3 自然画像で訓練されたNSA は追加データセットなしで医用画像タスク（例: 胸部X線異常検知）に汎化するか。

主な発見

• NSA は MVTec AD で総合的な画像レベルの AUROC を 97.2 に達成し、CutPaste (3-way) を 2.0 上回り、追加データセットを用いた手法に匹敵する。
• Pixel-level localization with NSA (logistic) reaches an average AUROC of 96.3, comparable to DRAEM and higher than several baselines without extra data.
• NSA-trained models show strong generalization to real-world defects beyond synthetic anomalies, and can perform competitively with ImageNet-pretrained approaches on some tasks.
• In chest X-ray experiments (rCXR), NSA outperforms end-to-end FPI and CutPaste, and also outperforms PII, demonstrating cross-domain applicability.
• Continuous (logistic) labeling often yields better localization for objects, while binary labeling delivers robust results for many classes; unbounded continuous labels can be less stable.