本記事では、新たな異常検知フレームワーク「SAA+」について詳しく紹介します。
SAA+は、従来は特定の異常検知タスクに対して別々のモデルを訓練する必要があった問題を解決しようとする技術です。SAA+によって、ゼロショット設定で任意の異常を検出することが可能になるかもしれません。
この記事では、SAA+の概要、その特徴と利点、そして具体的な動作原理について解説します。

参照論文情報

• タイトル：Segment Any Anomaly without Training via Hybrid Prompt Regularization
• 著者：Yunkang Cao, Xiaohao Xu, Chen Sun, Yuqi Cheng, Zongwei Du, Liang Gao, Weiming Shen
• URL：https://doi.org/10.48550/arXiv.2305.10724
• GitHub：https://github.com/caoyunkang/Segment-Any-Anomaly

関連研究

• 画像セグメンテーションの革新「Segment Anything Model（SAM）」 Meta AIの論文から解説
• Microsoftの画像セグメンテーション新技術「SEEM（Segment Everything Everywhere Model）」の凄さ、Meta AIのSAMとの違い
• なんでも追跡、ビデオセグメンテーション技術「TAM」登場 論文から解説

SAA+の概念と革新性

従来はドメインごとの微調整が必要

SAA+（Segment Any Anomaly +）は、ゼロショット異常セグメンテーションを実現することを目指した新たな異常検知フレームワークです。
このフレームワークは、ハイブリッドプロンプト正則化という技術を活用し、基盤モデルの適応性を高めることで、異常の局所化を強化します。

従来の異常セグメンテーションモデルは、特定のドメインに特化した微調整に依存していました。これは、異常パターンが無数に存在する現実世界において、モデルの一般化能力を制約する要因となっていました。つまり、特定の異常パターンに対応するためには、その都度新たなモデルの訓練が必要となり、大量の時間とリソースを必要としていました。

SAA+の作動メカニズム

SAA+の動作原理は、その独自の手法であるハイブリッドプロンプトの導入によって特徴付けられます。このハイブリッドプロンプトは、ドメインエキスパート知識とターゲット画像のコンテキストから派生します。これにより、SAA+は基盤モデルの適応性を強化し、異常の局所化を強化することが可能となります。

異常検知の新たなスタンダードになりうるか

さらに、SAA+はその性能においても優れています。複数の異常検知テストにおいて、SAA+は高いパフォーマンスを示しています。特に、テクスチャ（模様）に関連した異常の検出においては、その能力が顕著に示されています。これは、SAA+が多様な異常パターンに対応できるだけでなく、特定の種類の異常に対しても高い精度を持っていることを示しています。

具体的な実装とその評価結果