#10
summarized by : Hiroki Kobayashi
A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection

どんな論文か?

「階層的生成器」と「自己教師あり多クラス分類識別器」を用いた,少数の正常画像のみの学習に基づく異常検知手法の提案. 少数の正常画像では,モデルに十分な表現を与えることができないため,さまざまな解像度の画像を用いて生成器と識別器を学習させた. また,生成器の出力と正解画像に対してさまざまなデータ拡張を適用し,データ拡張の種類をクラスとする多クラス分類問題を識別器に解かせ,さらに表現力を向上させた.
placeholder

新規性

さまざまな解像度の異常を検知するために,階層的な生成器や識別器を導入した点. 異常検知のための豊富な表現を獲得するために,データ拡張をクラスとする多クラス分類識別器を導入した点.

結果

Paris,CIFAR10,FashionMNIST,MNIST,MVTec ADを用いて,画像レベル,画素レベルの異常検知性能を評価した.特に学習用の正常画像が極めて少ない場合において,従来手法であるPatchSVDD,DROCC,DeepSVDD,GEOM,GOADよりも性能が高いことを示した.また,Ablation Studyにより,敵対的学習,データ拡張,階層構造が重要であることを示した.

その他(なぜ通ったか?等)