💻 computer science

HLGFA: High-Low Resolution Guided Feature Alignment for Unsupervised Anomaly Detection

تقترح الورقة البحثية إطار عمل HLGFA، وهو إطار عمل جديد وغير خاضع للإشراف للكشف عن الشذوذ الصناعي يحقق أداءً رائدًا من خلال نمذجة اتساق الميزات عبر الدقة بين التمثيلات عالية الدقة ومنخفضة الدقة لتحديد حالات الشذوذ حيث يختل التوافق، دون الاعتماد على إعادة البناء على مستوى البكسل.

المؤلفون الأصليون: Han Zhou, Yuxuan Gao, Yinchao Du, Xuezhe Zheng

نُشر 2026-05-12

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Han Zhou, Yuxuan Gao, Yinchao Du, Xuezhe Zheng

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 مفتش مراقبة جودة في مصنع. مهمتك هي رصد العيوب الدقيقة في المنتجات التي تمر عبر خط التجميع. ما المشكلة؟ لم يسبق لك رؤية منتج معيب من قبل، وليس لديك "نموذج سيء" لتقارن به. لديك فقط الآلاف من الصور لمنتجات مثالية وطبيعية.

هذا هو تحدي كشف الشذوذ غير الخاضع للإشراف (Unsupervised Anomaly Detection). تقدم الورقة البحثية طريقة جديدة تسمى HLGFA (محاذاة الميزات الموجهة عالية ومنخفضة الدقة) لحل هذه المشكلة. إليك كيف تعمل، مشروحة من خلال تشبيهات بسيطة.

الفكرة الجوهرية: اختبار "التكبير مقابل التصغير"

تحاول معظم الطرق القديمة إعادة بناء صورة المنتج من الصفر (مثل رسام يحاول نسخ صورة فوتوغرافية). إذا فشلوا في نسخ جزء ما بدقة، يفترضون أنه عيب. لكن هذا أمر صعب لأن "الرسام" قد يصبح بارعاً جداً في النسخ، لدرجة أنه قد ينسخ العيوب أيضاً، أو قد يرتبك بسبب الخلفيات المعقدة.

تعتمد طريقة HLGFA نهجاً مختلفاً. فهي تعتمد على ملاحظة بسيطة: الأشياء الطبيعية تبدو متشابهة سواء قمت بالتكبير أو التصغير. أما الأشياء المكسورة فلا تبدو كذلك.

التشبيه: تخيل النظر إلى طاولة ملساء ونظيفة.
- عند التصغير (دقة منخفضة): تبدو كمستطيل بني صلب ومسطح.
- عند التكبير (دقة عالية): ترى عروق الخشب، واللمسة النهائية الناعمة، والحواف المثالية.
- النتيجة: العرض "المصغر" والعرض "المكبر" يرويان نفس القصة. إنهما متسقان.
الآن، تخيل طاولة بها خدش عميق.
- عند التصغير: قد يختفي الخدش أو يبدو كبقعة صغيرة ضبابية. الشكل العام لا يزال يبدو كطاولة.
- عند التكبير: يصبح الخدش ضخماً، متعرجاً، وواضحاً جداً.
- النتيجة: العرض "المصغر" والعرض "المكبر" يرويان قصتين مختلفتين. الخدش يكسر الاتساق بين المنظرين.

تستخدم HLGFA هذا "عدم الاتساق" كنظام إنذار لها. إذا لم يتطابق عرض الدقة العالية مع عرض الدقة المنخفضة، فإنها تصنف ذلك المكان كعيب.

كيف يعمل النظام (الـ "مرشد" والـ "طالب")

يستخدم النظام "دماغ ذكاء اصطناعي" مدرب مسبقاً (يسمى "العمود الفقري" أو Backbone) يعمل كزوج من العيون. ينظر إلى المنتج بطريقتين في نفس الوقت:

دقة عالية (HR): عرض حاد وتفصيلي.
دقة منخفضة (LR): عرض ضبابي ومبسط.

المشكلة: إذا قمت بمقارنة العرضين مباشرة، فقد يكون العرض الضبابي غامضاً للغاية، أو قد يكون العرض الحاد مليئاً بالضجيج.

الحل (الـ "مرشد"):
يعامل النظام عرض الدقة العالية كمعلم صارم وعرض الدقة المنخفضة كطالب.

المعلم (HR) يقسم معرفته إلى جزئين: الهيكل (الشكل الكبير) والتفاصيل (الأنسجة الصغيرة).
ثم يقوم المعلم بتوجيه الطالب (LR) لتنقية صورته الضبابية. يقول له: "مهلاً، تأكد من أن نسختك الضبابية تطابق الشكل الكبير الذي أراه، وحاول التقاط التفاصيل الصغيرة التي أراها".
إذا لم يتمكن الطالب (العرض الضبابي) من اتباع توجيهات المعلم (العرض الحاد) في مكان معين، يعلم النظام أن هناك خطأ ما في ذلك المكان. وهذا المكان هو الشذوذ.

التعامل مع مشكلة "الأوساخ"

في المصانع الحقيقية، غالباً ما توجد أوساخ أو شعر أو بقع غير ضارة ليست عيوباً فعلية. تُسمى هذه "عوامل الإزعاج". قد يخطئ النظام البسيط في اعتبار ذرة غبار كأنها صدع أو شق.

لحل ذلك، تستخدم Helesaian HLGFA استراتيجية تدريب واعية بالضوضاء (Noise-Aware Training Strategy).

التشبيه: تخيل تدريب حارس أمن. إذا عرضت عليه فقط غرفة نظيفة، فقد يصاب بالذعر عند رؤية ذرة غبار واحدة.
الحل: أثناء التدريب، يضيف النظام "أوساخاً" وهمية (مثل شعر أو بقع وهمية) إلى الصور المثالية. هذا يجبر النظام على تعلم: "تجاهل الذرات العشوائية؛ وركز على التغييرات الهيكلية الكبيرة".
هذا يعلم النظام تجاهل "الضوضاء" والصراخ فقط عندما يرى كسراً هيكلياً حقيقياً.

لماذا هي أفضل؟

تدعي الورقة البحثية أن هذه الطريقة متفوقة لأنها:

لا تحتاج إلى الحفظ: لا تحتاج إلى مكتبة ضخمة من الصور "الطبيعية" للمقارنة بها (مثل بعض الطرق القديمة).
لا تحتاج إلى إعادة البناء: لا تضيع الوقت في محاولة رسم نسخة مثالية من الصورة.
مستقرة: باستخدام توجيه "الهيكل مقابل التفاصيل"، تتجنب الارتباك بسبب الأنسجة أو الضوضاء.

النتائج

اختبر الباحثون هذه الطريقة على مجموعتي بيانات صناعيتين شهيرتين (MVTec AD و VisA).

وجدوا أن HLGFA بارعة للغاية في اكتشاف العيوت، حيث حققت نسبة نجاح بلغت 98% في العثور عليها في مجموعة بيانات MVTec و 97.9% في مجموعة بيانات VisA.
والأهم من ذلك، أنها دقيقة جداً في تحديد مكان العيب (دقة على مستوى البكسل)، مما يعني أنها تستطيع رسم دائرة ضيقة حول خدش دون تصنيف المنتج بأكمله خطأً على أنه تالف.

باختصار: HLGFA هي مفتش ذكي يتحقق مما إذا كان المنتج يبدو كما هو عند التكبير والتصغير. إذا اختلف المنظران، فهو يعلم أن هناك مشكلة. إنها تتجاهل الأوساخ العشوائية ولا تحتاج إلى حفظ كل عيب ممكن للقيام بعملها.

ملخص تقني: HLGFA

بيان المشكلة

يعد اكتشاف الشذوذ الصناعي غير الخاضع للإشراف (UAD) أمراً بالغ الأهمية للفحص البصري الآلي في التصنيع الحديث، حيث تكون عينات العيوب نادرة والتوسيم مكلفاً. تواجه النهج الحالية، وبشكل أساسي الطرق القائمة على إعادة البناء والطرق القائمة على الذاكرة، قيوداً كبيرة:

الطرق القائمة على إعادة البناء: غالباً ما تعاني من "مشكلة التعميم"، حيث تقوم النماذج بإعادة بناء المناطق الشاذة عن غير قصد، مما يؤدي إلى استجابات شاذة غير مستقرة.
الطرق القائمة على الذاكرة (مثل PatchCore): يمكن أن تتسبب في تعقيد عالٍ أثناء الاستدلال بسبب الحاجة إلى بنوك ذاكرة ضخمة وعمليات بحث عن أقرب الجيران.
الحساسية للمقياس: تعاني العديد من الطرق من صعوبة الحفاظ في آن واحد على الاتساق الهيكلي العالمي ودقة التفاصيل المحلية، لا سيما عندما تختلف العيوب بشكل كبير في المقياس.

يلاحظ المؤلفون خاصية فيزيائية رئيسية في الفحص الصناعي: تظهر الأنماط الطبيعية استجابات ميزات مستقرة تحت تغير الدقة، بينما تكون المناطق الشاذة (التي تكون عادةً محلية وغير منتظمة) حساسة للغاية لخفض الدقة. عند خفض دقة الصور، يتم الحفاظ على الهيكل العالمي للأجسام الطبيعية، لكن الإشارات المتعلقة بالعيوب تتدهور أو تتغير. يشير هذا إلى أن عدم الاتساق في الميزات عبر الدقة (cross-resolution feature inconsistency) يمكن أن يعمل كإشارة جوهرية ومنهجية لاكتشاف الشذوذ دون الحاجة لنمذجة صريحة للعيوب.

المنهجية: HLGFA

يتعلم إطار العمل المقترح HLGFA (محاذاة الميزات الموجهة عالية ومنخفضة الدقة) الطبيعية من خلال الاتساق في الميزات عبر الدقة دون الحاجة لإعادة بناء صريحة أو بنوك ذاكرة خارجية.

1. استخراج الميزات ثنائية الدقة

المدخلات: تتم معالجة صورة المدخلات إلى عرضين: عرض عالي الدقة ( $x_h$ ) وعرض منخفض الدقة ( $x_l$ ) عبر خفض العينة.
العمود الفقري (Backbone): يقوم عمود فقري مشترك ومجمد (تحديداً Wide-ResNet-50) باستخراج تمثيلات ميزات متعددة المستويات $\{f^h_s\}$ و $\{f^l_s\}$ من كلا العرضين.
المحاذاة: يتم رفع عينات الميزات منخفضة الدقة مكانياً لتتطابق مع أبعاد الدقة العالية. وبدلاً من فرض التشابه المباشر، يقوم مشغل المحاذاة الموجه ( $\mathcal{G}_s$ ) القابل للتعلم بتنقية الميزات منخفضة الدقة باستخدام تمثيلات عالية الدقة كإشارات توجيهية.

2. التوجيه المنفصل للهيكل والتفاصيل

لمعالجة تشابك الهيكل العالمي مع التفاصيل الدقيقة في ميزات الدقة العالية، يقوم إطار العمل بتفكيك ميزات الدقة العالية إلى مقدمتين متكاملتين:

مقدمة الهيكل ( $s_s$ ): تُستخرج من ميزات الدقة العالية الأكثر عمقاً باستخدام عمليات تلافيفية بعمق متعدد المقاييس لنمذجة التخطيطات العالمية المستقرة.
مقدمة التفاصيل ( $d_s$ ): تُشتق من ميزات الدقة العالية الأكثر ضحالة عبر المحاذاة المكانية وإسقاط القنوات خفيف الوزن للاحتفاظ بالإشارات المحلية المعلوماتية مع كبح الضوضاء عالية التردد.
التنقية: يتم دمج هذه المقدمات ( $g_s = s_s + d_s$ $g_{s} = s_{s} + d_{s}$ ) لتوجيه تنقية الميزات منخفضة الدقة. ويتم ذلك من خلال:
- التعديل الشرطي: يقوم تحويل يعتمد على FiLM بتعديل الميزات منخفضة الدقة بناءً على التوجيه $g_s$ .
- التصحيح المتبقي ذو البوابة: يقوم مُتنبئ متبقٍ ذو بوابة خفيف الوزن بتحديد مكان وكيفية حقن التوجيه بشكل تكيفي، مما يتجنب القيود الصارمة على مستوى البكسل.

3. تسجيل الشذوذ وتعديل الموثوقية

الاكتشاف: يتم اكتشاف الشذوذ في المناطق المكانية التي ينهار فيها الاتساق عبر الدقة. يتم حساب درجة الشذوذ بناءً على عدم تشابه جيب التمام (cosine dissimilarity) بين الميزات منخفضة الدقة المنقحة ( $\hat{f}^l_s$ ) وميزات الدقة العالية الأصلية ( $f^h_s$ ).
تعديل الموثوقية: لقمع الإيجابيات الكاذبة الناتجة عن التوجيه غير الموثوق في المناطق المشوشة، يتم حساب وزن موثوقية قائم على الهيكل. يقوم هذا الوزن بتعديل استجابة الشذوذ النهائية، مما يقلل من التنشيطات الزائفة في المناطق غير المستقرة هيكلياً.

4. تعزيز البيانات الواعي بالضوضاء

لتعزيز المتانة ضد العوامل المزعجة الشائعة في البيئات الصناعية (مثل الشعر، البقع، التلوث)، تستخدم عملية التدريب استراتيجية تعزيز واعية بالضوضاء. يتم حقن ضوضاء نقطية متفرقة وضوضاء خطية مهيكلة اصطناعياً في كل من عروض الدقة العالية والدقة المنخفضة للعينات الطبيعية. وهذا يجبر النموذج على التركيز على الدلالات الهيكلية المستقرة بدلاً من آثار الضوضاء المحلية.

5. هدف التدريب

يتم تدريب النموذج حصرياً على العينات الطبيعية. الهدف الأساسي هو تقليل خسارة تشابه جيب التمام بين ميزات الدقة العالية والميزات منخفضة الدقة المحاذية. ويتم تعزيز ذلك بعدة منظمات خفيفة الوزن:

اتساق الميزات بوزن بؤري ( $\ell_1$ ).
الاتساق على مستوى التوزيع (تباعد جينسن-شانون).
مطابقة مصفوفة جرام للاتساق الهيكلي من الدرجة الثانية.

المساهمات الرئيسية

إطار عمل عدم الاتساق عبر الدقة: إطار عمل جديد لاكتشاف الشذوذ غير الخاضع للإشراف يحدد الشذوذ من خلال عدم الاتساق في الميزات عبر الدقة، مما يلغي الحاجة إلى إعادة بناء صريحة أو بنوك ذاكرة.
التوجيه المنفصل للهيكل والتفاصيل: وحدة محاذاة قابلة للتعلم تقوم بتفكيك ميزات الدقة العالية إلى مقدمات هيكلية وتفصيلية، مما يسمح بمحاذاة مستقرة للميزات عبر الدقة دون تحديث معاملات العمود الفقري.
التعزيز الواعي بالضوضاء: استراتيجية مصممة خصيصاً لتحسين المتانة وتقليل الإيجابيات الكاذبة في السيناريوهات الصناعية من خلال محاكاة أنماط الإزعاج الشائعة أثناء التدريب.

النتائج التجريبية

تم تقييم الطريقة على معايير MVTec AD و VisA باستخدام بروتوكول غير خاضع للإشراف ومستقل عن الفئة.

MVTec AD: حقق HLGFA نسبة 98.0% في AUROC على مستوى البكسل و 97.4% في AUROC على مستوى الصورة. كما حقق أفضل متوسط دقة (AP) على مستوى البكسل بنسبة 65.3%، متفوقاً بشكل كبير على الطرق الرائدة مثل RD4AD و AnomalyCLIP و CRAD.
VisA: حققت الطريقة 97.9% في AUROC على مستوى البكسل و 88.6% في AUROC على مستوى الصورة، مع متوسط دقة (AP) على مستوى البكسل بلغ 40.7%، مما أظهر أداءً ثابتاً عبر فئات العيوب الصناعية المتنوعة.
التحليل النوعي: تظهر المقارنات البصرية أن HLGFA ينتج خرائط شذوذ أكثر تماسكاً ودقة، حيث تتوافق بشكل أفضل مع المناطق الأرضية الحقيقية مع كبح التنشيطات الزائفة في الهياكل الطبيعية مقارنة بالطرق الأخرى.

الأهمية والادعاءات

يزعم البحث أن HLGFA يقدم بديلاً منهجياً للطرق القائمة على إعادة البناء من خلال الاستفيد من عدم التماثل المتأصل بين تمثيلات الدقة العالية والمنخفضة.

الكفاءة: على عكس الطرق القائمة على الذاكرة، لا يتطلب HLGFA بنك ذاكرة أو عينات مرجعية أثناء الاستدلال، مما يقلل من العبء الحسابي.
المتانة: من خلال فصل الهيكل عن التفاصيل، تعمل الطريقة على تثبيت محاذاة الميزات، مما يجعلها أقل عرضة لـ "التعميم المفرط" للعيوب الذي تظهره نماذج الترميز التلقائي (auto-encoders).
القابلية للتطبيق الصناعي: تم تصميم إطار العمل لتطبيقات الفحص البصلي الآلي (AOI) في العالم الحقيقي. فهو يتطلب فقط عينات طبيعية للتدريب، ويستفيد من الأعمدة الفقارية المدربة مسبقاً دون ضبط دقيق خاص بالمهمة، وينتج خرائط شذوذ قابلة للتفسير بناءً على عدم اتساق الميزات.

يخلص المؤلفون إلى أن المحاذاة عبر الدقة هي استراتيجية قوية لاكتشاف العيوب الصناعية المتنوعة، خاصة في السيناريوهات التي تتميز بندرة البيانات غير الطبيعية والخلفيات المعقدة. ويُقترح في العمل المستقبلي استكشاف توسيع هذا النوع من المحاذاة ليشمل المدخلات متعددة الوسائط والنماذج التأسيسية.