DART: trasferimento dei residui indipendente dal dominio per il rilevamento generalista delle anomalie

Abstract degli autori

Il rilevamento generalista delle anomalie (GAD) mira a individuare anomalie in domini non osservati utilizzando solo pochi campioni di riferimento. I metodi recenti guidati da riferimenti normali e anomali migliorano questo approccio sfruttando riferimenti anomali, ma i residui spesso combinano indizi trasferibili sulle anomalie con fattori di aspetto specifici del dominio, come texture, geometria e condizioni di acquisizione. Questo intreccio tra residui e dominio limita il trasferimento tra domini e può produrre attivazioni spurie in domini nuovi. Proponiamo DART, un framework plug-in per il GAD guidato da riferimenti normali e anomali, che apprende a separare i residui in componenti rilevanti per le anomalie e componenti specifiche del dominio. DART combina un modulo di disentanglement dei residui, che preserva le informazioni discriminanti per le anomalie sopprimendo al contempo quelle relative al dominio, con un meta-training cross-domain, che crea episodi tra domini sorgente per rendere efficace la separazione. Il metodo è agnostico rispetto all’architettura e può essere inserito tra il calcolo dei residui e la testa di rilevamento delle pipeline GAD esistenti. Gli esperimenti su MVTec AD, VisA e BraTS mostrano miglioramenti costanti rispetto a diversi metodi di base, con i maggiori incrementi in presenza di shift di dominio più marcati. https://github.com/aqeeelmirza/DART