💻 computer science

Continual-MEGA: A Large-scale Benchmark for Generalizable Continual Anomaly Detection

تقدم هذه الورقة البحثية Continual-MEGA، وهو معيار مرجعي واسع النطاق للكشف المستمر عن الشذوذ القابل للتعميم، والذي يتميز بمجموعة بيانات متنوعة تشمل ContinualAD الجديدة، وهو سيناريو تعميم جديد من نوعه لعدم المعرفة المسبقة (zero-shot)، وخوارزمية أساسية موحدة تُظهر تحسينات كبيرة مقارنة بالطرق الحالية في كل من الكشف بأسلوب التعلم القليل (few-shot) وتحديد المواقع على مستوى البكسل.

المؤلفون الأصليون: Geonu Lee, Yujeong Oh, Geonhui Jang, Soyoung Lee, Jeonghyo Song, Sungmin Cha, YoungJoon Yoo

نُشر 2026-02-09

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Geonu Lee, Yujeong Oh, Geonhui Jang, Soyoung Lee, Jeonghyo Song, Sungmin Cha, YoungJoon Yoo

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك مدير مراقبة الجودة في مصنع ضخم يصنع كل شيء، من أنابيب معجون الأسنان إلى سيارات الألعاب. مهمتك هي رصد العيوب: خدش على سيارة، أو انبعاج في علبة، أو تمزق في قطعة قماش.

في الماضي، كنت ستوظف متخصصًا لكل منتج. إذا بدأت في صنع معجون الأسنان، ستوظف "خبير معجون أسنان". وإذا انتقلت لصنع السيارات، ستطرد خبير معجون الأسنان وتوظف "خبير سيارات". هذا الأمر بطيء، ومكلف، ومبدد للموارد.

تقدم هذه الورقة البحثية طريقة جديدة لتدريب مساعد ذكاء اصطناعي واحد، فائق الذكاء، يمكنه تعلم رصد العيوب في أي منتج، واحدًا تلو الآخر، دون أن ينسى كيفية فحص المنتجات السابقة. إنهم يسمونها "Continual-MEGA".

إليك تفصيل لعملهم باستخدام تشبيهات بسيطة:

1. المشكلة: مصنع "فقدان الذاكرة"

المصانع في العالم الحقيقي لا تقف ثابتة. المنتجات الجديدة تصل كل يوم.

الطريقة القديمة: إذا أعدت تدريب الذكاء الاصطناعي الخاص بك في كل مرة يصل فيها منتج جديد، فغالبًا ما سيعاني مما يسمى "النسيان الكارثي". الأمر يشبه طالبًا درس بجد لاختبار في الرياضيات، واجتاز الاختبار، ثم نسي فورًا كيفية إجراء العمليات الحسابية بمجرد أن بدأ في دراسة التاريخ.
التحدي الجديد: والأسوأ من ذلك، ماذا لو ظهر عيب في منتج لم يره الذكاء الاصطناعي من قبل؟ (مثل نوع جديد من الزجاجات البلاستيكية). يجب أن يكون الذكاء الاصطناعي ذكيًا بما يكفي ليخمن: "هذا يبدو خاطئًا"، حتى دون أن يكون قد رأى تلك الزجاجة المحددة من قبل. يسمى هذا "التعلم من الصفر" (Zero-Shot Learning).

2. الحل: "صالة رياضية" جديدة للذكاء الاصطناعي (Continual-MEGA)

لاختبار ما إذا كان بإمكان الذكاء الاصطناعي القيام بذلك حقًا، بنى المؤلفون ساحة تدريب ضخمة جديدة تسمى Continual-MEGA.

الصالات الرياضية القديمة: كانت الاختبارات السابقة تشبه صالات رياضية صغيرة وهادئة تحتوي فقط على أنواع قليلة من المعدات (مجموعات بيانات مثل MVTec-AD). كانت سهلة للغاية ولم تعكس الفوضى الموجودة في مصنع حقيقي.
الصالة الرياضية الجديدة (Continual-MEGA): بنى المؤلفون صالة رياضية ضخمة وفوضوية. لقد دمجوا مجموعات بيانات موجودة مع مجموعة بيانات جديدة تمامًا أنشأوها تسمى ContinualAD.
- ContinualAD مميزة لأنها ضخمة وفوضوية. فبدلاً من التقاط صور مثالية لـ 10 تفاحات متطابقة، التقطوا صورًا لتفاحات في إضاءات مختلفة، ومع بعض الخدوش، وحتى بعض التفاحات التي كانت متعفنة قليلاً. هذا يجبر الذكاء الاصطناعي على تعلم مفهوم "التفاحة السيئة" بدلاً من مجرد حفظ صورة محددة.

3. الاختبار: ثلاثة سيناريوهات

وضعوا نماذج ذكاء اصطناعي مختلفة عبر ثلاث "مسارات عقبات":

الماراثون (التعلم المستمر القياسي): يتعلم الذكاء الاصطناعي فحص 85 نوعًا من المنتجات، ثم يتعين عليه تعلم 60 نوعًا جديدًا واحدًا تلو الآخر. هل يمكنه تذكر الـ 85 الأولى أثناء تعلم الأنواع الجديدة؟
الاختبار الأعمى (التعلم من الصفر): بعد تعلم المنتجات الجديدة، يُعرض على الذكاء الاصطناعي منتج لم يره أبدًا أثناء التدريب (مثل نوع معين من الأجهزة الطبية). هل لا يزال بإمكانه رصد العيب؟
اختبار الضغط: قاموا بإزالة مجموعة البيانات "الفوضوية" الجديدة (ContinualAD) لمعرفة ما إذا كان بإمكان الذكاء الاصطناعي التعميم. فشلت معظم نماذج الذكاء الاصطناعي في هذا، مما أثبت أن البيانات الفوضوية والمتنوعة كانت حاسمة للتعلم.

4. الفائز: ذكاء اصطناعي يشبه "السكين السويسري"

اختبر المؤلفون العديد من طرق الذكاء الاصطناب الحالية، ومعظمها عانى. لقد أدت أداءً جيدًا في المهام البسيطة، لكنها انهارت عندما أصبحت المصانع مزدحمة ووصلت منتجات غريبة وجديدة.

اقترحوا طريقتهم الخاصة، وتسمى ADCT (رصد العيوب عبر المهام المستمرة). فكر في هذه الطريقة كأنها سكين سويسري:

القاعدة: يستخدمون "دماغًا" مدربًا مسبقًا (CLIP) يعرف بالفعل ما هو "الطبيعي" وما هو "غير الطبيعي" بشكل عام.
الملحقات (المهايئات/Adapters): بدلاً من إعادة بناء الدماغ بالكامل لكل منتج جديد، يقومون فقط بتركيب ملحقات صغيرة وخفيفة الوزن (المهايئات) لكل مهمة جديدة.
الخدعة السحرية (تخليق الميزات): نظرًا لعدم امتلاكهم صورًا كافية لكل عيب محتمل، يقوم الذكاء الاصطناعي بـ "تخيل" كيف قد يبدو العيب عن طريق إضافة "ضجيج" (تشويش عشوائي) إلى ميزات الصورة. الأمر يشبه طباخًا يتذوق الحساء ويقول: "إذا أضفت رشة ملح، فسيكون طعمه هكذا"، لذا فهم لا يحتاجون فعليًا لطهي آلاف أنواع الحساء المختلفة لتعلم الوصفة.

5. النتائج

الحكم: الطرق الموجودة تشبه الطلاب الذين يحفظون الإجابات؛ فهم يفشلون عندما يتغير الاختبار. أما ذكاء "السكين السويسري" فهو مثل الطالب الذي يفهم مبادئ المادة.
النتيجة الرئيسية: الذكاء الاصطناعي الذي استخدم نهج "السكين السويسري" (المهايئات خفيفة الوزن + تخيل العيوب) كان الأكثر استقرارًا. لم ينسَ المنتجات القديمة، وكان جيدًا بشكل مفاجئ في رصد العيوب في المنتجات التي لم يرها من قبل.

الملخص

تقول الورقة البحثية: "لقنا بناء ساحة تدريب ضخمة وواقعية ليتعلم الذكاء الاصطناعي كيفية رصد عيوب المصنع في المنتجات الجديدة دون نسيان المنتجات القديمة. وجدنا أن الذكاء الاصطناعي الحالي جامد للغاية، ولكن طريقة بسيطة تجمع بين دماغ مدرب مسبقًا مع إضافات مرنة وخفيفة وقليل من 'الخيال' تعمل بشكل أفضل".

ملاحظة هامة: اختبر المؤلفون هذا بدقة على أشياء صناعية (ألعاب، طعام، إلكترونيات، أقمشة). ولم يدّعوا أن هذا يعمل في التشخيص الطبي أو المراقبة البشرية، وأكدوا أن بياناتهم لا تحتوي على أي معلومات شخصية.

ملخص تقني: Continual-MEGA: معيار واسع النطاق للكشف المستمر عن الشذوذ

بيان المشكلة

يعد الكشف عن الشذوذ (AD) أمراً بالغ الأهمية لمراقبة الجودة في مجالات متنوعة، ومع ذلك تعاني النماذج الحالية في سيناريوهات النشر الواقعية الديناميكية. تفترض النهج التقليدية غالباً إعدادات ثابتة، أو غير خاضعة للإشراف، أو مخصصة لكل فئة، مما يؤدي إلى الفشل في التكيف مع المهام التي تصل بشكل متسلسل حيث تظهر فئات كائنات أو أنواع عيوب جديدة. إن إعادة تدريب النماذج من البكرة لكل مهمة جديدة أمر مكلف حاسوبياً وغالباً ما يكون غير ممكن بسبب سياسات الاحتفاظ بالبيانات ولوائح الخصوصية. علاوة على ذلك، فإن الندرة الشديدة لعينات الشذوذ تجعل من الصعب إعادة جمع أنماط العيوب التاريخية، مما يؤدي إلى النسيان الكارثي.

بينما تقدم التطورات الأخيرة في التعلم المستمر (CL) والتعلم صفرِي المعرفة (ZSL) حلولاً محتملة، فإن معايير التقييم الحالية (مثل MVTec-AD وVisA) محدودة من حيث النطاق والتنوع. فهي لا تختبر بشكل كافٍ قدرة النموذج على التعميم إلى فئات غير مرئية بعد التكيف المستمر (التعلم المستمر صفرِي المعرفة، أو CZSL) أو التعامل مع التباين العالي الموجود في البيئات الصناعية الواقعية. هناك نقص في المعايير واسعة النطاق التي تدمج مجموعات البيانات العامة المتنوعة مع بيانات جديدة عالية التباين لتقييم قابلية التعميم والتكيف لأنظمة الكشف عن الشذوذ بشكل صارم.

المنهجية

معيار Continual-MEGA

يقدم المؤلفون Continual-MEGA، وهو معيار واسع النطاق مصمم لتقييم القدرات المستمرة وصفرية المعرفة في الكشف عن الشذوذ. وهو يدمج سبع مجموعات بيانات عامة موجودة (MVTec-AD، VisA، Real-IAD، VIADUCT، BTAD، MPDD) مع مجموعة بيانات منسقة حديثاً، وهي ContinualAD.

مجموعة بيانات ContinualAD:

النطاق والتنوع: تضم 30 فئة مع 14,655 صورة طبيعية و15,827 صورة شاذة.
التباين العالي: على عكس مجموعات البيانات السابقة حيث تكون الصور داخل الفئة الواحدة متشابهة بصرياً، تظهر ContinualAD تبايناً أعلى بكثير على مستوى البكسل. ويتحقق ذلك من خلال التقاط الكائنات في ظروف متنوعة باستخدام 10 أجهزة مختلفة (تتراوح من الهواتف الذكية إلى الأجهزة اللوحية) وإحداث أنواع مختلفة من العيوب (شقوق، ثقوب، تعفن، خدوش، إلخ).
التوسيم (Annotation): تم توسيم مناطق الشذوذ على مستوى البكسل باستخدام أقنعة متعددة الأضلاع (polygon masks).

سيناريوهات التقييم:
يحدد المعيار ثلاثة سيناريوهات متميزة لاختبار جوانب مختلفة من أداء النموذج:

السيناريو 1 (CL قياسي): التدريب المسبق على 85 فئة أساسية يليه تعلم مستمر مع تقديم 60 فئة جديدة على دفعات (5، 10، أو 30 فئة لكل مهمة).
السيناريو 2 (CZSL): التدريب المسبق على 58 فئة أساسية (باستثناء MVTec-AD وVisA) يليه تعلم مستمر على 60 فئة جديدة. يتم بعد ذلك تقييم التعميم صفري المعرفة على مجموعتي البيانات المحجوزتين MVTec-AD وVisA.
السيناريو 3 (فعالية ContinualAD): مشابه للسيناريو 2 ولكنه يستبعد مجموعة بيانات ContinualAD من تدفق التدريب لقياس تأثير مجموعة البيانات الجديدة على التعميم صفري المعرفة بشكل محدد.

المقاييس:
يتم قياس الأداء باستخدام متوسط الدقة (ACC) بناءً على AUROC على مستوى الصورة ومتوسط الدقة (AP) على مستوى البكسل، جنباً إلى جنب مع مقياس النسيان (FM) لقياس تدهور الأداء في المهام السابقة.

النموذج المرجعي المقترح: ADCT

لمعالجة هذا المعيار، يقترح المؤلفون طريقة مرجعية تسمى التحكم في الكشف عن الشذوذ عبر المهام المستمرة (ADCT)، وهي مبنية على إطار عمل CLIP (التعلم المسبق للصور والنصوص التبايني). وتشمل المكونات الرئيسية ما يلي:

محولات خليط الخبراء (MoE Adapters): يتم إدراج محولات MLP خفيفة الوزن في أربعة كتل محددة من المشفر البصري لـ CLIP. يتم تدريب محولات منفصلة لكل مهمة (وللمجموعة الأساسية). أثناء الاستدلال، يتم استخدام متوسط جميع المحولات ( $A_{avg}$ ) للحفاظ على المعرفة عبر المهام.
توليد الميزات الاصطناعية: للتغلب على ندرة البيانات وتحسين التحديد على مستوى البكسل، تقوم الطريقة بتوليد ميزات شذوذ اصطناعية عن طريق إضافة ضوضاء غاوسية (Gaussian noise) إلى الميزات البصرية قبل تمريرها عبر المحولات. وهذا يسمح للنموذج بتعلم أنماط شذوذ متنوعة دون الحاجة إلى بيانات شاذة حقيقية واسعة النطاق.
المطالبات النصية (Text Prompts): تُستخدم مطالبات نصية معممة لاستخراج الميزات النصية لكل من الحالات الطبيعية والشاذة، مما يسهل القدرات صفرية المعرفة.

المساهمات الرئيسية

معيار Continual-MEGA: تقديم معيار جديد واسع النطاق يجمع بين مجموعات البيانات العامة الموجودة ومجموعة بيانات ContinualAD عالية التباين، مما يوسع بشكل كبير حجم وتنوع البيانات المتاحة لأبحاث الكشف المستمر عن الشذوذ.
التقييم الشامل: يكشف التقييم المكثف لمختلف الأساليب الحديثة (بما في ذلك الأساليب القائمة على VLMs، وأساليب التعلم المستمر، والأساليب التي تعتمد فقط على العينات الطبيعية) عن وجود مجال كبير للتحسين، لا سيما في تحديد موقع العيوب على مستوى البكسل والتعميم على الفئات غير المرئية.
النموذج المرجعي ADCT: اقتراح نموذج مرجعي بسيط وفعال يجمع بين محولات نمط MoE خفيفة الوزن وتوليد الميزات. يوضح هذا النهج أن التكيف الأدنى مع CLIP المسبق التدريب، بدلاً من الضبط الدقيق المكثف، يمكن أن يؤدي إلى أداء قوي في كل من الإعدادات المستمرة وصفرية المعرفة.

النتائج

أسفرت التجارب المكثفة على معيار Continual-MEGA عن ثلاث نتائج رئيسية:

محدودية الأساليب الحالية: تظهر الأساليب الحالية انخفاضاً كبيراً في الأداء، خاصة في التحديد على مستوى البكسل، عند تقييمها تحت إعدادات Continual-MEGA واسعة النطاق المقترحة. فالأساليب التي تعمل جيداً في المعايير القياسية (مثل MVTec-AD) غالباً ما تفشل في التعميم على الظروف المتنوعة في Continual-MEGA.
فعالية ContinualAD: إن تضمين مجموعة بيانات ContinualAD في تدفق التدريب (السيناريو 2 مقابل السيناريو 3) يحسن بشكل كبير أداء التعميم صفري المعرفة لمعظم الأساليب. وعلى العكس من ذلك، فإن استبعادها يؤدي إلى تدهور ملحوظ في التعميم، مما يبرز قيمتها لتدريب نماذج قوية.
تفوق ADCT: يحقق النموذج المرجعي المقترح ADCT أداءً فائقاً بشكل عام مقارنة بالأساليب الأخرى عبر جميع السيناريوهات. فهو يحافظ على دقة عالية مع تقليل النسيان (FM منخفض). وتؤكد دراسة الاستئصال (ablation study) أن الجمع بين المحولات، وتوليد الميزات الاصطناعية، ونمط استدلال خليط الخبراء أمر بالغ الأهمية لموازنة الاستقرار والمرونة. وبشخص أكثر تحديداً، أظهرت الميزات الاصطناعية أنها حيوية للأداء على مستوى البكسل، بينما يعد استراتيجية محول MoE مفتاحاً لتقليل النسيان الكارثي.

الأهمية والادعاءات

يفترض البحث أن Continual-MEGA يضع أجندة جديدة لمجال الكشف عن الشذوذ من خلال معالجة الفجوة بين تقييمات المعايير الثابتة والواقع الديناميكي للنشر الصناعي. ويدعي المؤلفون أن عملهم يسلط الضوء على الضرورة العملية لنماذج يمكنها التكيف تدريجياً مع المهام الجديدة مع التعميم على فئات غير مرئية تماماً (CZSL).

تكمن أهمية النموذج المرجعي المقترح (ADCT) في كونه يثبت أن التكيف خفيف الوزن المدمج مع توليد الميزات هو اتجاه واعد لتصميم أطر عمل مستمرة قابلة للتعميم. وتشير النتائج إلى أن التكيف المفرط أو التوجيه الثقيل للنماذج سابقة التدريب مثل CLIP قد يؤدي إلى الإفراط في التخصيص (overfitting) على الكائنات المرئية سابقاً، في حين أن الاستراتيجية التي تحافظ على المعرفة سابقة التدريب مع توليد ميزات شذوذ متنوعة توفر حلاً أكثر استقراراً وقابلية للتعميم.

ويخلص المؤلفون إلى أن عملهم يساهم في استدامة التصنيع وقابلية التكرار من خلال تقليل التكلفة الحاسوبية والبصمة الكربونية المرتبطة بإعادة تدريب النماذج العميقة في البيئات الديناميكية، دون إدخال مخاطر أخلاقية تتعلق بالبيانات الشخصية أو المراقبة.