拡散モデルを用いた画像インペインティングによる教師なし異常検知

抄録

従来の拡散モデルを用いた異常検知は，入力画像に一定強度のノイズを加え，正常画像上で学習した逆拡散過程をたどることで異常を除去するアプローチをとる．一方で，このアプローチは加えるノイズ強度が検出性能に強く影響する問題がある．この研究では，画像補完に基づく新たな拡散モデルを用いた異常検知手法を導入することでこの問題を回避する．画像補完に基づく異常検知では，マスク領域を完全なノイズから復元するため，ノイズ強度に依存せず安定した検出性能が得られる．加えて，再構成誤差に基づく反復的なマスク更新戦略によって，ランダムなマスキング戦略と比較して検出性能を改善した．提案手法はMVTecADにおいて評価され，ベースラインおよび既存の画像補完に基づく異常検知手法を上回る性能を示した．