Auditable transactional prequential adaptation for visual anomaly localization under unknown stream contamination

Resumen Técnico: Adaptación Prequencial Transaccional Auditable para la Localización de Anomalías Visuales

Formulación del Problema
El artículo aborda el desafío de la localización de anomalías visuales en un entorno de flujo continuo (streaming) donde el entorno de despliegue está sujeto a cambios de distribución desconocidos y contaminación no etiquetada (defectos). Los métodos adaptativos tradicionales enfrentan un dilema causal y de evidencia: para actualizar un modelo, este debe procesar una imagen, pero si dicha imagen contiene un defecto, actualizar el modelo con ella puede causar que el sistema "olvide" o falle en detectar defectos similares más adelante. Por el contrario, si el sistema se actualiza sobre cambios benignos, puede sufrir un desvío (drift).

La dificultad central no radica solo en cómo actualizar, sino en cómo verificar lo que se ha medido. El autor argumenta que las descripciones estándar de "entrenar-adaptar-probar" suelen oscurecer el cronometraje de las actualizaciones respecto a las predicciones. Si una imagen se utiliza para la adaptación antes de que su predicción sea registrada, la puntuación reportada es retrospectiva. Además, muchos métodos de "memoria limitada" no tienen en cuenta el estado oculto, como cachés legibles o copias de reversión no reportadas, lo que efectivamente viola sus restricciones de memoria declaradas.

El autor define este escenario como un contrato prequencial de primera llegada:

1. Ordenamiento: En el evento $t$, el localizador debe leer el estado previo al evento, emitir una predicción (puntuación y mapa de parches) y sellar esa salida antes de decidir si el evento influye en el modelo.
2. Privacidad: La verdad de campo (ground truth), las máscaras y los eventos futuros están ocultos para el tiempo de ejecución (runtime).
3. Contabilidad: Cada byte de estado futuro legible debe ser contabilizado, incluyendo las instantáneas (snapshots) requeridas para la reversibilidad.

Metodología: BSPAL
El autor instancia este contrato en un método base llamado BSPAL (Bounded State Prequential Anomaly Localization). La arquitectura es deliberadamente simple para asegurar la inspectabilidad:

• Representación: Un codificador DINOv2 ViT-S/14 congelado genera descriptores de parches. El sistema utiliza dos vistas fijas (identidad y ajuste de brillo) para calcular mapas de anomalías basados en la distancia media al vecino más cercano de un banco de origen ($A_0$) y un banco adaptativo ($A_t$).
• Admisión Calibrada por la Fuente: Un estadístico derivado únicamente del banco de origen congelado ($A_0$) determina si un evento es admitido en el proceso adaptativo. Esto evita que el banco adaptativo influya en su propia puerta de admisión.
• Adaptación Transaccional:
  • Cuarentena: Los eventos admitidos se comprimen en resúmenes de mediana de coordenadas y se almacenan en una cuarentena FIFO.
  • Propuesta: Una vez que la cuarentena posee suficientes entradas, se propone un nuevo prototipo mediante la mediana de coordenadas.
  • Compromiso y Periodo de Prueba (Commit & Probation): Se almacena una instantánea completa del estado previo al compromiso. El nuevo prototipo se establece atómicamente, entrando en un periodo de prueba de 16 eventos.
  • Reversión (Rollback): Si el estadístico basado solo en la fuente excede un umbral alto durante tres eventos consecutivos durante el periodo de prueba, el sistema activa una reversión, restaurando la instantánea exacta previa al compromiso. El mecanismo de reversión se carga contra el mismo presupuesto de memoria que los prototipos adaptativos, asegurando que no se utilice memoria auxiliar "gratuita".
• Limitación de Estado: El estado persistente está estrictamente limitado por capacidades fijas (por ejemplo, 32 prototipos en el banco adaptativo, 64 entradas en la cuarentena, 1 instantánea), independientemente de la longitud del flujo.

Contribuciones Clave
Las contribuciones del artículo se limitan explícitamente a la definición del contrato, la implementación de la regla transaccional y la integridad de la cadena de evidencia:

1. Contrato de Primera Llegada: Una definición formal para flujos de anomalías visuales no etiquetados que combina un estimando visible para el evaluador con un límite estricto de información en tiempo de ejecución y una contabilidad de picos de bytes para todo el estado futuro legible.
2. Adaptación Transaccional Limitada: Una regla que establece cuatro propiedades:
   • Tamaño de estado persistente constante independientemente de la longitud del flujo.
   • Predicción de primera llegada causal (la predicción depende únicamente del estado previo al evento).
   • Un límite de mediana de coordenadas local para las propuestas (bajo el supuesto de una población mayoritariamente normal).
   • Restauración exacta de la vista de la transacción tras la reversión.
3. Integridad del Protocolo y Disciplina de Evidencia: El autor mapea el contrato a oráculos ejecutables (por ejemplo, cadenas de hash, invariancia de prefijo, intercambio de verdad) para verificar la implementación del software. Crucialmente, reporta una falsificación de la integridad del protocolo: una auditoría posterior al sellado del benchmark VisA reveló que la división de roles (entrenamiento vs. prueba) no aisló las instancias físicas y los duplicados cercanos.

Resultados y Evidencia
El artículo presenta una separación estricta entre los trazos de ingeniería y las afirmaciones de eficacia:

• Contabilidad de Estado: Una reconstrucción de solo lectura de 945 libros de contabilidad confirmó que todas las ejecuciones se mantuvieron por debajo del límite de estado persistente configurado de 32 MiB (máximo observado: ~1.18 MB). Esto valida la afirmación de estado limitado.
• Latencia: No se midió la latencia directa por evento; por lo tanto, no se hacen afirmaciones sobre la velocidad de inferencia.
• Eficacia (Invalidada): El cálculo histórico del benchmark en MVTec AD y VisA queda invalidado como resultado científico. La auditoría encontró que 20 pares de roles inspeccionados en VisA fueron confirmados como coincidencias dentro de grupos físicos. En consecuencia, la población no satisfizo el prerrequisito de "disyunción de grupos".
  • El artículo establece explícitamente que no se extrae ninguna conclusión de mejora, seguridad o equivalencia del benchmark a partir de los valores finales (por ejemplo, Pixel AUPRO, Image AUPRC).
  • Los resultados históricos se mantienen únicamente como un trazo de auditoría para demostrar el fallo del protocolo de admisión de la población.

Significancia y Reivindicaciones
La significancia del artículo reside en su rigor metodológico respecto a la integridad del protocolo más que en las ganancias de rendimiento.

• Orden Causal: Demuestra que el cronometraje de la adaptación debe ser parte del método medido, evitando la puntuación retrospectiva.
• Costo de Reversibilidad: Hace explícito el costo de memoria de la reversibilidad (instantáneas) y lo hace comparable, en lugar de tratar la reversión como memoria auxiliar gratuita.
• Disciplina de Auditoría: El hallazgo principal es que un cálculo reproducible no es un experimento válido si la población de datos viola los requisitos de aislamiento. El autor argumenta que la respuesta apropiada ante tal fallo es preservar el cálculo para la trazabilidad, mientras se retira su interpretación científica, en lugar de eliminar selectivamente filas post-hoc.

El artículo concluye que, si bien el contrato transaccional y su implementación limitada son sólidos, la cuestión de si la adaptación transaccional mejora la localización de primera llegada bajo contaminación oculta permanece sin responder y requiere una nueva ejecución, totalmente admitida, con una población de grupos disjuntos. La contribución actual es el contrato, la implementación y la disciplina de evidencia que distingue los bytes reproducibles de la inferencia admisible.