ملخص تقني: ANoCo – الشذوذ كعدم توافق عبر تقليل طاقة لابتلاب الرسم البياني الخالي من التدريب

1. بيان المشكلة

يهدف اكتشاف الشذوذ الصناعي (IAD) إلى تحديد العينات المعيبة باستخدام الصور الطبيعية (الخالية من العيوب) فقط، حيث أن الشذوذ نادر ومتنوع ومكلف من حيث التوسيم. وقد تحولت المنهجيات الحديثة نحو نماذج تعددت فيها حالات التعلم القليل (few-shot) والخالية من التدريب، والتي تستفيد من مستخرجات الميزات المجمدة وبنوك الذاكرة للرقع (patches) الطبيعية.

ومع ذلك، تواجه الطرق الحالية مشكلتين رئيسيتين:

1. تسجيل التشابه المستقل: تعتمد أحدث الأساليب (مثل PatchCore وSPADE) في تسجيل الشذوذ على تشابه الرقعة الاستعلامية مع أقرب جيرانها في بنك ذاكرة طبيعي. يفترض هذا أن التشابه الفردي يعني الطبيعية. وتجادل الورقة بأن هذا يفشل عندما تكون الرقعة الاستعلامية متشابهة محلياً مع عدة رقع طبيعية مسترجعة، ولكنها غير متسقة عالمياً مع البنية الجماعية للمتعدد الطبيعي (normal manifold). في إعدادات التعلم القليل، حيث يمكن للمثيلات الطبيعية أن تلتقط أنماطاً متعددة (مثل اختلاف الإضاءة أو الأنسجة)، يمكن لـ $k$-NN استرجاع مجموعة من الجيران تبدو منطقية ولكنها غير متسقة فيما بينها، مما يؤدي إلى نتائج سلبية كاذبة.
2. التنعيم البياني ذاتي التأثير السلبي: غالباً ما تستخدم الأساليب القائمة على الرسم البياني تمرير الرسائل أو تنعيم لابلاتشيان (Laplacian smoothing) لفرض التجانس (homophily) بين العقد المتصلة. وبينما تعد هذه الآليات فعالة في التعلم شبه الموجه، إلا أنها ضارة باكتشاف الشذوذ لأنها تعمل على تمويه الانحرافات عبر إجماع الجيران، مما يؤدي فعلياً إلى قمع الإشارات المطلوبة لاكتشاف الشذوذ.

2. المنهجية: ANoCo

يقترح المؤلفون ANoCo (الشذوذ كعدم توافق)، وهو إطار عمل خالٍ من التدريب يعيد تفسير اكتشاف الشذوذ ليس كقياس للمسافة، بل كقياس لتكلفة عدم التوافق. الفرضية الأساسية هي أن الشذوذ هو رقعة تتطلب تشوهاً كبيراً لتتماشى مع المتعدد الطبيعي الثابت.

تتم العملية في ثلاث مراحل:

أ. استرجاع الرقع الطبيعية المدفوع بالمرتكزات (Anchor-Driven)

بدلاً من استرجاع الجيران بناءً على التشابه فقط، يبني ANoCo مجموعة دعم طبيعية متماسكة:

1. اختيار المرتكز (Anchor Selection): لكل رقعة استعلامية، يتم تحديد أكثر رقعة مرجعية طبيعية تشابهاً لتكون "مرتكزاً".
2. تصفية الاتساق (Consistency Filtering): يتم استرجاع رقع مرجعية إضافية فقط إذا كانت مشابهة أيضاً لرقعة المرتكز. يضمن ذلك أن المجموعة المسترجعة تشكل متعدداً هيكلياً متسقاً محلياً، مما يفلتر الجيران الذين قد يكونون متشابهين محلياً مع الاستعلام ولكنهم غير متوافقين مع النمط الطبيعي المهيمن.

ب. بناء الرسم البياني ثنائي التجزئة (Bipartite Graph)

يتم بناء رسم بياني ثنائي التجزئة متفرق بين رقع الاستعلام والرقع المرجعية المتسقة مع المرتكزات المسترجعة.

• أوزان الحواف: يتم وزن الحواف بضرب تشابه جيب التمام (cosine similarity) وعامل توافق المعيار (لأخذ مقدار الميزة في الاعتبار).
• البنية: من المهم أن الرسم البياني لا يحتوي على حواف (استعلام-استعلام) ولا يحتوي على حواف (مرجع-مرجع). هذا يمنع الشذوذ من تعزيز نفسه من خلال الإجماع ويتجنب التنعيم المفرط داخل مجموعة الاستعلام.

ج. تقليل طاقة لابلاتشيان المرتكز (Anchored Laplacian Energy Minimization)

يُشتق مقياس الشذوذ من مسألة تحسين تسعى لتقليل الطاقة اللازمة لجعل الميزات الاستعلامية تتوافق مع المتعدد الطبيعي الثابت.

• الهدف: تقليل دالة طاقة إجمالية $E(\tilde{F}) = E_{lap} + E_{reg}$، حيث:
  • $E_{lap} = \tilde{F}^\top L \tilde{F}$ هي طاقة لابلاتشيان الرسم البياني التي تفرض التوافق بين عقد الاستعلام والمرجع المتصلة.
  • $E_{reg}$ هو حد تنظيم $\ell_2$ الذي يبقي الميزات الاستعلامية المحسنة قريبة من قيمها الأولية.
• الارتكاز (Anchoring): يتم "تثبيت" العقد المرجعية (frozen) بعقوبات عالية، مما يضمن تحديث الميزات الاستعلامية فقط.
• الحل المغلق (Closed-Form Solution): نظراً للبنية ثنائية التجزئة والطبيعة القطرية لكتلة الاستعلام في لابلاتشيان، تتقلص عملية التحسين إلى نظام خطي بسيط يمكن حله بصيغة مغلقة:
  $$\tilde{F}_q = (L_{qq} + \Lambda_q)^{-1} (\Lambda_q F_q - L_{qr} F_r)$$
  هذا لا يتطلب تمرير رسائل تكراري أو أخذ عينات.

د. تسجيل الشذوذ

لا تُستخدم الميزات المحسنة $\tilde{F}_q$ كتنبؤات. بدلاً من ذلك، فإن مقدار تحديث الميزة ("انزياح الميزة" أو feature drift) المطلوب لاستيفاء قيود الطبيعية يعمل كمقياس للشذوذ:
$$E_i = \|\tilde{f}^q_i - f^q_i\|^2_2 (1 - \cos(\tilde{f}^q_i, f^q_i))$$
يشير الانزياح الكبير إلى عدم توافق عالٍ، مما ينبه لوجود شذوذ.

3. المساهمات الرئيسية

1. إعادة صياغة الشذوذ كعدم توافق: تغير الورقة النموذج من "التشابه مع الجيران" إلى "تكلفة التوافق مع المتعدد". مقياس الشذوذ هو طاقة التوفيق بين الاستعلام والمتعدد.
2. تحسين مغلق الصيغة خالٍ من التدريب: لا تقدم الطريقة أي معاملات قابلة للتعلم، أو تمرير رسائل، أو أخذ عينات. إنها تحل مسألة تقليل طاقة لابلاتشيان محدبة بصيغة مغلقة بتعقيد يضاهي حلاً خطياً واحداً.
3. تصميم الرسم البياني ثنائي التجزئة: من خلال إزالة الحواف داخل الاستعلام أو داخل المرجع صراحةً، تمنع الطريقة تمييع الأدلة وتحافظ على إشارات الشذوذ التي قد يتم قمعها بواسطة طرق التنعيم التقليدية.
4. التفسير الفيزيائي: لمقياس الشذوذ معنى فيزيائي واضح: تكلفة الطاقة لتناسب المتعدد الطبيعي.

4. النتائج التجريبية

تم تقييم الطريقة على معايير MVTec-AD و VisA في إعدادات 1-shot و 2-shot و 4-shot، مقارنةً بأحدث النماذج الخالية من التدريب ومتعددة الحالات (مثل PatchCore و WinCLIP و INP-Former).

• الأداء: يحقق ANoCo نتائج هي الأفضل في فئتها (SOTA) عبر جميع حالات تعدد الحالات.
  • في MVTec-AD (1-shot): حقق 97.9% في AUROC على مستوى الصورة و 97.7% في AUROC على مستوى البكسل، متفوقاً على أفضل النتائج السابقة (INP-Former بنسبة 96.6% و 97.0% على التوالي).
  • في VisA (1-shot): حقق 92.7% في AUROC على مستوى الصورة و 98.7% في AUROC على مستوى البكسل، مما أظهر تحسينات كبيرة في استقرار التحديد الموضعي.
• دراسات الاستئصال (Ablation Studies):
  • أدى إزالة البنية ثنائية التجزئة أو الاسترجاع المدفوع بالمرتكزات إلى انخفاض في الأداء، مما يؤكد ضرورة منع التعزيز الذاتي وضمان تماسك المتعدد.
  • يتفوق ANoCo باستمرار على النماذج المرجعية حتى عند مطابقتها مع نفس بنيات الظهر (مثل DINOv3 و CLIP)، مما يشير إلى أن المكاسب مدفوعة بصياغة عدم التوافق وليس بجودة الميزات وحدها.
• الكفاءة: رغم خطوة التحسين، يعد ANoCo فعالاً للغاية. عند استخدام بنية CLIP، فإنه يعالج العينات في حوالي 14 مللي ثانية، وهو أسرع بكثير من WinCLIP (حوالي 1560 مللي ثانية)، وذلك بفضل الحل المغلق الصيغة.
• التعميم: أظهرت الطة أداءً قوياً أيضاً على مجموعة بيانات طبية (OCT2017)، مما يشير إلى إمكانية التطبيق خارج السياقات الصناعية.

5. الأهمية والادعاءات

تدعي الورقة أن ANoCo يثبت فعالية استخدام انزياح الميزة الناتج عن التحسين كمقياس قوي لاكتشاف الشذوذ. من خلال إعادة توظيف لابلاتشيان الرسم البياني من عامل تنعيم إلى عامل عدم توافق، نجحت الطريقة في اكتشاف الانحرافات الدقيقة التي تفشل مقاييس التشابه المستقلة في رصدها.

يؤكد المؤلفون أن النهج:

• بسيط في النشر: لا يتطلب تدريباً ويحتاج إلى حد أدنى من ضبط المعلمات الفائقة.
• قوي: يوفر خرائط تحديد موضعي مستقرة حتى مع وجود عيوب دقيقة أو غير منتظمة.
• متجذر نظرياً: يقدم تفسيراً واضحاً للشذوذ كطاقة عدم توافق مع المتعدد، مما يحل التناقض حيث يقوم تنعيم الرسم البياني عادةً بقمع إشارات الشذوذ.

يشير هذا العمل إلى أن أنظمة اكتشاف الشذوذ المستقبلية يجب أن تركز على قياس مدى صعوبة التوافق مع الهياكل الطبيعية بدلاً من مجرد قياس المسافة إلى المثيلات الفردية.