[論文レビュー] Unsupervised Two-Stage Anomaly Detection

Yunfei Liu, Chaoqun Zhuang+1 more|arXiv (Cornell University)|Mar 22, 2021

Anomaly Detection Techniques and Applications参考文献 33被引用数 18

ひとこと要約

本稿では、異常なし再構成と高精細な詳細回復を2つの専用ネットワーク（インプレッション抽出器（IE-Net）とエキスパートネット（Expert-Net））を用いて分離する、新しいフレームワークである教師なし2段階異常検出（UTAD）を提案する。まず異常なし「インプレッション」を生成し、その後で高精細な詳細を精練することで、粗い再構成アーチファクトと異常漏れのトレードオフを回避し、4つの実世界の異常検出データセットで最先端の性能を達成する。

ABSTRACT

Anomaly detection from a single image is challenging since anomaly data is always rare and can be with highly unpredictable types. With only anomaly-free data available, most existing methods train an AutoEncoder to reconstruct the input image and find the difference between the input and output to identify the anomalous region. However, such methods face a potential problem - a coarse reconstruction generates extra image differences while a high-fidelity one may draw in the anomaly. In this paper, we solve this contradiction by proposing a two-stage approach, which generates high-fidelity yet anomaly-free reconstructions. Our Unsupervised Two-stage Anomaly Detection (UTAD) relies on two technical components, namely the Impression Extractor (IE-Net) and the Expert-Net. The IE-Net and Expert-Net accomplish the two-stage anomaly-free image reconstruction task while they also generate intuitive intermediate results, making the whole UTAD interpretable. Extensive experiments show that our method outperforms state-of-the-arts on four anomaly detection datasets with different types of real-world objects and textures.

研究の動機と目的

• 粗い再構成による誤検出と高精細再構成による異常領域の含みという、教師なし異常検出における根本的矛盾を解消すること。
• トレーニング中に異常データを一切必要としない、異常なしかつ高精細な画像再構成を可能にするフレームワークの開発。
• 中間段階の直感的な再構成（「インプレッション」としての）を導入することで、異常検出の解釈可能性を向上させること。
• 異なる物体タイプやテクスチャを有する多様な実世界データセットで、最先端の性能を達成すること。

提案手法

• インプレッション抽出器（IE-Net）は、再構成損失と相互情報最大化目的関数を用いて、入力画像 x から異常なし再構成（「インプレッション」m）を生成し、異常を含まず構造的整合性を保証する。
• エキスパートネットは、インプレッション m を対象に高精細な詳細回復を実行し、最終的な再構成画像 x̂ を生成する。逆写像と知覚損失を用いて細部を保持する。
• 異常マップ e は、x, m, x̂, m̂ の差異を、複数のVGG-19層からの特徴を用いて計算する知覚的測定（PM）によって算出される。
• 2段階のトレーニングプロセスを採用：まずIE-Netを用いて異常なしインプレッションを抽出し、次にExpert-Netを用いて高精細な詳細を精錬する。
• 詳細ガイドモジュール（E_S）は、入力からのスキップ接続を用いてエキスパートネット内の特徴適応をガイドし、アライメントと再構成品質を向上させる。
• モデルは正常（異常なし）データのみでトレーニングされ、異常アノテーションやデータオーグメンテーションの必要がない。

実験結果

リサーチクエスチョン

• RQ1 2段階再構成フレームワークは、教師なし異常検出において、異常なし構造学習と高精細詳細回復を効果的に分離できるか？
• RQ2 中間段階の「インプレッション」m を異常なし再構成として導入することで、検出性能と解釈可能性が向上するか？
• RQ3 提案された知覚的測定（PM）は、ピxls単位の差異や1層の特徴差異と比較して、異常関連の乖離をどの程度効果的に検出できるか？
• RQ4 モデル容量が異常検出性能に与える影響はどの程度で、2段階設計がパrameter増加に伴う悪影響を緩和できるか？
• RQ5 テクスチャや物体カテゴリが多様な実世界データセットにおいて、本手法はどの程度のロバストネスを示すか？

主な発見

• UTADは、MVTec ADデータセットの4つのベンチマークデータセット（Bottle, Cable, Capsule, Hazelnut）で最先端の性能を達成し、HazelnutではAuROCが0.976に達し、先行手法を顕著に上回る。
• 知覚的測定（PM）は、VGG-19の'conv1_2'、'conv2_2'、'conv3_4'の特徴を組み合わせたものが最良の異常検出性能を示し、HazelnutではAuROCが0.65に達し、他の組み合わせを上回る。
• アブレーションスタディでは、相互情報損失を除いた（Without L_info）場合、誤った異常局所化が生じ、クリーンなインプレッション抽出におけるその重要性が示された。
• エキスパートネットを除いた（Without EN）場合、縁のアライメントがずれ、特にキャプセルのような微細構造で誤検出が増加し、詳細回復におけるその重要性が裏付けられた。
• 詳細ガイドモジュールを除いた（Without E_S）場合、異常なし領域が誤って異常と検出されたため、空間的一致性の維持におけるその価値が確認された。
• パrameter数が多めでも、標準的なオートエンコーダ（AE-256）はUTADより性能が劣り、容量増加そのものが検出性能を向上させないことが確認され、2段階設計が性能向上に不可欠であることが示された。