PatchFlow: Leveraging a Flow-Based Model with Patch Features

Resumen Técnico: PatchFlow

Planteamiento del Problema
La fundición a presión es un proceso de fabricación crítico para la producción de piezas metálicas complejas y de alta precisión, pero se ve afectado por defectos superficiales como ampollas, desprendimientos y picaduras. Estos defectos, a menudo causados por contaminantes, humedad o fluctuaciones de temperatura, comprometen la calidad y el rendimiento del producto. Los métodos de inspección tradicionales que dependen de controles visuales manuales requieren mucha mano de obra, consumen mucho tiempo y son propensos al error humano. Si bien la detección de anomalías basada en visión computacional ofrece una solución, los métodos existentes enfrentan desafíos específicos cuando se aplican a entornos industriales:

1. Desajuste de Distribución: Los extractores de características preentrenados (por ejemplo, en ImageNet) a menudo fallan al alinearse con la distribución específica de las imágenes de productos industriales.
2. Complejidad Computacional: Los modelos basados en flujo, que ofrecen una estimación precisa de la densidad de probabilidad, suelen requerir estructuras complejas con altas cargas computacionales (FLOPs) para mapear las distribuciones de características a espacios latentes.
3. Granularidad: Algunos modelos basados en flujo existentes se centran en predicciones a nivel de imagen, careciendo de la precisión necesaria para la localización de defectos a nivel de píxel.

Metodología: PatchFlow
Los autores proponen PatchFlow, un marco de detección de anomalías a nivel de parche que integra características locales conscientes del vecindario con el modelado de flujo normalizante. La arquitectura consta de cuatro componentes primarios:

1. Extractor de Características: Un backbone preentrenado (EfficientNet B5) extrae representaciones multinivel de las imágenes de entrada. El modelo utiliza características de múltiples capas jerárquicas (específicamente los bloques 12, 19 y 35) para capturar tanto información abstracta global como detalles locales.
2. Agregación de Características: Un módulo construye características de parches locales conscientes del vecindario a través de múltiples jerarquías y escalas. Combina descriptores de diferentes capas interpolando las características más profundas para que coincidan con las más superficiales y concatenándolas. El sistema procesa tres escalas distintas para generar características de parches de jerarquía multiescala.
3. Adaptación de Características (Adaptador): Para abordar la brecha de distribución entre las características preentrenadas genéricas y los datos industriales, se introduce un módulo de adaptación ligero. Este módulo emplea una única capa totalmente conectada para transformar las características agregadas de los parches, alineándolas con la distribución de los datos industriales sin introducir parámetros entrenables significativos.
4. Flujo Normalizante: Las características de los parches adaptadas se mapean biyectivamente a una distribución normal estándar ($Z \sim N(0, I)$) utilizando una estructura de capa de acoplamiento basada en RealNVP. A diferencia de trabajos previos que mapean características a nivel de imagen, PatchFlow mapea directamente las características a nivel de parche. Esto permite una localización de defectos precisa basada en la desviación de parches específicos de la distribución normal.
   • Eficiencia: Los bloques de acoplamiento utilizan una estructura de cuello de botella (una CNN de tres capas con núcleos de 1x1) para reducir la complejidad computacional (FLOPs) manteniendo la capacidad de expresión.

Entrenamiento e Inferencia

• Entrenamiento: El modelo se entrena exclusivamente con muestras normales (libres de defectos). El objetivo es minimizar la divergencia de Kullback-Leibler (KL) entre la distribución de características estimada y la distribución de características real, aprendiendo efectivamente la distribución subyacente de los datos normales.
• Inferencia: Durante las pruebas, el modelo calcula la verosimilitud de nuevas instancias. Se deriva un puntaje de anomalía a partir del valor máximo en el mapa de anomalías generado, el cual se crea mediante la interpolación bilineal de las características latentes normalizadas de los parches.

Contribuciones Clave

1. Marco de Trabajo PatchFlow: Un nuevo marco que combina características de parches locales conscientes del vecindario con el modelado de verosimilitud basado en flujo para la detección de anomalías.
2. Módulo de Adaptación de Características: Un mecanismo ligero que cierra la brecha de distribución entre los extractores de características preentrenados genéricos y las imágenes industriales, mejorando la estabilidad del flujo y la precisión de la detección.
3. Acoplamiento de Cuello de Botella Eficiente: Un diseño que reduce la complejidad computacional en los flujos normalizantes preservando las capacidades de mapeo, permitiendo redes más profundas con menos FLOPs.
4. Mapeo a Nivel de Parche: Una estrategia que mapea características de parches individuales en lugar de imágenes completas, facilitando la localización de defectos de grano fino a nivel de píxel.

Resultados Experimentales
Los autores evaluaron PatchFlow en tres conjuntos de datos: MVTec AD, VisA y un conjunto de datos propio de fundición a presión.

• Conjunto de Datos MVTec AD: PatchFlow logró un AUROC a nivel de imagen del 99.28%, superando al estado del arte PatchCore (99.1%) y reduciendo la tasa de error en un 20%.
• Conjunto de Datos VisA: El modelo logró un AUROC a nivel de imagen del 96.48%, lo que representa una reducción del error del 28.2% en comparación con PatchCore.
• Conjunto de Datos Propio de Fundición a Presión: Probado con imágenes de cuerpos de válvulas con defectos sintetizados, el modelo logró una precisión del 95.77% (F1 Score) sin requerir ninguna muestra anómala para el entrenamiento. La matriz de confusión mostró 34/34 muestras normales y 33/36 muestras anómalas correctamente identificadas.
• Eficiencia: El modelo opera a aproximadamente 2.7 fotogramas por segundo (FPS) en una sola GPU Nvidia GeForce RTX 2080Ti, con un total de FLOPs de $1.25 \times 10^{10}$.
• Estudios de Ablación: Los experimentos indicaron que el uso de una pirámide de imágenes de 3 escalas produjo el mejor rendimiento, y aumentar el número de pasos de flujo más allá de uno en realidad disminuyó el rendimiento, lo que sugiere que un solo paso de flujo es óptimo para esta configuración.

Significancia y Reivindicaciones
El artículo afirma que PatchFlow ilustra el potencial de aprovechar la visión computacional y el aprendizaje profundo para avanzar en las capacidades de inspección para la industria de la fundición a presión. Al combinar características locales conscientes del vecindario con un modelo de flujo eficiente y un módulo adaptador, el método aborda las restricciones específicas de la detección de anomalías industrial: el desajuste de distribución y el costo computacional. Los resultados demuestran un camino viable para mejorar el control de calidad y reducir el desperdicio en los entornos de producción industrial, estableciendo un nuevo referente para la detección de anomalías a nivel de imagen en bancos de pruebas estándar como MVTec AD y VisA. Los autores enfatizan que su enfoque logra un rendimiento de vanguardia sin necesidad de datos de entrenamiento anómalos, lo que lo hace altamente aplicable a escenarios del mundo real donde los datos de defectos son escasos o inexistentes.