#52
summarized by : Hiroki Kobayashi
Natural Synthetic Anomalies for Self-Supervised Anomaly Detection and Localization

どんな論文か?

より自然に人工生成された異常画像(対象物の前景部分に馴染むような合成)を用いた異常検知手法の提案. 従来の異常画像の人工生成手法(例:CutPaste,FPI)では,背景部分に前景部分の画像パターンが貼られ,不自然な異常画像が生成される危険性が高かった.そこで,背景制約を課すことにより,自然な異常画像を生成する手法を提案した.また,貼り付ける際に画像パターンをリサイズし,バリエーションを増やした.
placeholder

新規性

ある対象物の前景部分の画像パターンが別の対象物の前景部分に馴染むように合成し,異常画像を人工生成した点.

結果

MVTec ADを用いて,画像レベル(Detection AUROC),画素レベル(Segmentation AUROC)の異常検知性能を評価した. Detection AUROC,Segmentation AUROCは,それぞれ97.2,96.3と,最先端の手法であるDRAEM(98.0,97.3)と同程度の性能を達成した.

その他(なぜ通ったか?等)

GitHub: https://github.com/hmsch/natural-synthetic-anomalies