[論文レビュー] Visual Anomaly Detection for Images: A Survey

Jie Yang, Ruijie Xu+2 more|arXiv (Cornell University)|Sep 27, 2021

Anomaly Detection Techniques and Applications参考文献 57被引用数 15

ひとこと要約

本サーベイは、画像における教師なし視覚的異常検出手法を包括的にレビューし、検出メカニズム（密度推定、1クラス分類、画像再構成、自己教師あり学習）に基づいて分類する。また、古典的手法から深層学習アプローチへの進化を分析し、その長所・短所を検討する。MV-Tec AD などの主要なベンチマークを特定し、特徴の蒸留や階層的特徴マッチングといった有望な方向性を強調している。

ABSTRACT

Visual anomaly detection is an important and challenging problem in the field of machine learning and computer vision. This problem has attracted a considerable amount of attention in relevant research communities. Especially in recent years, the development of deep learning has sparked an increasing interest in the visual anomaly detection problem and brought a great variety of novel methods. In this paper, we provide a comprehensive survey of the classical and deep learning-based approaches for visual anomaly detection in the literature. We group the relevant approaches in view of their underlying principles and discuss their assumptions, advantages, and disadvantages carefully. We aim to help the researchers to understand the common principles of visual anomaly detection approaches and identify promising research directions in this field.

研究の動機と目的

• 画像の古典的および深層学習ベースの視覚的異常検出手法を体系的にレビューすること。
• その背後にある検出メカニズムに基づいて教師なしアプローチを分類し、仮定、利点、制限を分析すること。
• 異常サンプルの不足や異常パターンの多様性といった、視覚的異常検出における主な課題を特定すること。
• MV-Tec AD などの標準化されたベンチマーク上で最先端の手法を評価し、異なるデータカテゴリ間でのパフォーマンスギャップを強調すること。
• 自己教師あり学習、特徴の蒸留、階層的特徴モデリングなどの有望な方向性を特定することで、今後の研究を導くこと。

提案手法

• 教師なし画像レベルおよびピクセルレベルの異常検出手法を、密度推定、1クラス分類、画像再構成、自己教師あり分類の4つの主要グループに分類する。
• ハンドクラフト特徴（例：SIFT、HOG）と従来の機械学習（例：1クラスSVM、オートエンコーダ）に依存する深層学習以前の手法を、分布モデリングのためにレビューする。
• 事前学習済みの畳み込みニューラルネットワーク（例：VGG19、ResNet18）を活用して階層的特徴を抽出し、異常検出に応用する深層学習ベースの手法を分析する。
• 深層特徴の最近傍探索によるマッチングを用いたアプローチを検討し、パッチレベルでの異常スコアを計算する。
• 学生・教師の蒸留フレームワークを検討し、学生ネットワークが事前学習済み教師特徴を回帰することで、予測誤差と不確実性を用いて異常を検出する。
• 勾配に基づく注目メカニズム（例：Grad-CAM）と解釈可能な生成モデル（例：VAE）を検討し、局所化された異常説明を提供する。

実験結果

リサーチクエスチョン

• RQ1 密度推定、1クラス分類、画像再構成、自己教師あり学習といった異なる検出メカニズムは、性能と頑健性の観点でどのように比較されるか？
• RQ2 従来の浅い特徴ベースの手法は、多様で変動しやすい異常パターンを処理するうえで、どのような主な制限を抱えているか？
• RQ3 事前学習済みネットワークからの階層的特徴表現を活用することで、深層学習ベースの手法はどのように異常検出を改善するか？
• RQ4 異常データを必要としない自己教師あり蒸留フレームワークは、どの程度検出性能を向上させることができるか？
• RQ5 MV-Tec AD のようなベンチマークで、既存の手法が異なるカテゴリで不安定なパフォーマンスを示す理由は何か？その背後にある要因は何か？

主な発見

• MV-Tec AD ベンチマークは、異なる異常カテゴリ間で顕著なパフォーマンスのばらつきを示しており、一般化性能の向上の余地が大きいことを示している。
• 自己教師あり蒸留手法（例：ResNet18 特徴と不確実性を考慮した予測誤差を用いたもの）は、知識蒸留を活用することで、MV-Tec AD で最先端の結果を達成している。
• 事前学習済みの階層的特徴（例：VGG19 や ResNet18 からのもの）を用いた特徴マッチングにより、高い精度でピクセルレベルの異常局所化が可能になる。
• マルチスケールモデリング戦略は検出の頑健性を向上させるが、多くの場合、スケール間の独立性を仮定しており、スケール間の関係性を無視している。
• 再構成または再構成に基づく損失関数に依存する手法は、オブジェクト異常に対して優れたパフォーマンスを示すが、テクスチャ異常に対しては困難を抱える。
• 勾配に基づく注目と解釈可能な生成モデル（例：VAE）は、異常を局所化した説明を提供し、モデルの解釈性を向上させる。