SuperADD: Training-free Class-agnostic Anomaly Segmentation -- CVPR 2026 VAND 4.0 Workshop Challenge Industrial Track
यह शोध पत्र SuperADD प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free), वर्ग-अज्ञेय (class-agnostic) विसंगति विभाजन पाइपलाइन है जो चुनौतीपूर्ण वितरण बदलावों (distribution shifts) के तहत बिना किसी प्रति-वर्ग हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के, MVTec AD 2 डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए DINOv3 बैकबोन और सुदृढ़ प्रीप्रोसेसिंग तकनीकों का लाभ उठाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने नहीं लिखा है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल कारखाने में गुणवत्ता नियंत्रण (quality control) के प्रमुख हैं। आपका काम कन्वेयर बेल्ट पर चलते उत्पादों पर सूक्ष्म दोषों (defects) को पहचानना है। आमतौर पर, आपके पास विशेषज्ञों की एक टीम होती है जिन्होंने हजारों 'परफेक्ट' उत्पादों का अध्ययन किया होता है। वे ठीक से जानते हैं कि एक आदर्श वॉल प्लग, कपड़े का एक टुकड़ा, या जेली का एक जार कैसा दिखना चाहिए। यदि वे देखते हैं कि कुछ भी उस 'परफेक्ट मेमोरी' से मेल नहीं खा रहा है, तो वे उसे दोष (defect) के रूप में चिह्नित करते हैं।
हालाँकि, एक समस्या है: कारखाने में रोशनी बार-बार बदलती रहती है। कभी रोशनी तेज होती है, कभी मंद, तो कभी अजीब छायाएँ बनती हैं। यह विशेषज्ञों को भ्रमित कर देता है क्योंकि वही 'परफेक्ट' उत्पाद अलग-अलग रोशनी में अलग दिखता है। वे शायद ही कभी किसी छाया को देखकर "दोष!" चिल्लाने लगेंगे, या इससे भी बुरा, वे किसी वास्तविक दरार को मिस कर सकते हैं क्योंकि रोशनी उसे छिपा रही है।
यह शोध पत्र एक नया, अत्यंत स्मार्ट सिस्टम प्रस्तुत करता है जिसे SuperADD कहा जाता है, जिसे इसी समस्या को हल करने के लिए डिज़ाइन किया गया है। यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:
1. "नो-ट्रेनिंग" की सुपरपावर
अधिकांश AI सिस्टम उन छात्रों की तरह होते हैं जिन्हें प्रत्येक विशिष्ट उत्पाद के लिए दोष कैसा दिखता है, यह सीखने के लिए महीनों तक कक्षा में बैठने की आवश्यकता होती है। यदि आप एक नया उत्पाद पेश करते हैं या लाइटिंग बदलते हैं, तो आपको उन्हें सब कुछ फिर से सीखने के लिए वापस स्कूल भेजना पड़ता है।
SuperADD अलग है। यह एक ऐसे जासूस की तरह है जिसे किसी विशिष्ट उत्पाद का पहले से अध्ययन करने की आवश्यकता नहीं है। यह एक पूर्व-प्रशिक्षित "मस्तिष्क" (जिसे DINOv3 कहा जाता है) का उपयोग करता है जिसने इंटरनेट से लाखों चित्र देखे हैं। यह जानता है कि सामान्य बनावट (textures) और आकार सामान्य रूप से कैसे दिखते हैं। क्योंकि इसे हर नई फैक्ट्री लाइन के लिए फिर से प्रशिक्षित करने की आवश्यकता नहीं है, इसलिए इसे तुरंत तैनात किया जा सकता है। यह एक "प्लग-एंड-प्ले" समाधान है।
2. "मेमोरी बैंक" रणनीति
हर एक परफेक्ट इमेज को याद करने की कोशिश करने के बजाय, यह सिस्टम एक मेory Bank बनाता है।
- कल्पना कीजिए कि आप एक परफेक्ट वॉल प्लग की फोटो लेते हैं।
- सिस्टम उस फोटो को हजारों छोटे पहेली के टुकड़ों (patches) में तोड़ देता है।
- यह उन टुकड़ों के "सार" (essence) को एक विशाल लाइब्रेरी (मेमोरी बैंक) में सहेज लेता है।
- जब एक नया उत्पाद लाइन पर आता है, तो सिस्टम उसे उन्हीं पहेली के टुकड़ों में तोड़ता है और पूछता है: "क्या मेरे पास अपनी लाइब्रेरी में इस टुकड़े के लिए कोई परफेक्ट मैच है?"
- यदि कोई टुकड़ा लाइब्रेरी में किसी भी चीज़ से मेल नहीं खाता है, तो उसे अजीब (anomaly) के रूप में चिह्नित किया जाता है।
3. "ओवरलैपिंग पज़ल" का कमाल
इस सिस्टम के मूल संस्करण में एक समस्या थी: यह उत्पाद को बड़े, गैर-ओवरलैपिंग ब्लॉक्स में देखता था। यदि कोई दोष दो ब्लॉक्स के बीच की रेखा पर स्थित होता, तो सिस्टम उसे मिस कर सकता था या भ्रमित हो सकता था, जैसे किसी शब्द को पढ़ने की कोशिश करना जो किताब की बाइंडिंग द्वारा बीच से कटा हुआ हो।
SuperADD इसे overlapping patches का उपयोग करके ठीक करता है। कल्पना कीजिए कि आप एक खिड़की के माध्यम से उत्पाद को देख रहे हैं जो इधर-उधर फिसलती है, लेकिन खिड़की इतनी बड़ी है कि वह पिछले दृश्य के साथ ओवरलैप करती है। यह सुनिश्चित करता है कि दोष कहीं भी हो, उसे कई कोणों से स्पष्ट रूप से देखा जाए, जिससे सिस्टम बहुत अधिक विश्वसनीय हो जाता है।
4. "लाइटिंग सिम्युलेटर"
बदलती फैक्ट्री लाइटों के लिए तैयार होने के लिए, सिस्टम केवल प्रशिक्षण तस्वीरों को वैसे ही नहीं देखता जैसा वे हैं। यह अपने सेटअप चरण के दौरान छवियों को कृत्रिम रूप से मंद और उज्ज्वल करता है। यह एक टेस्ट के लिए तैयारी करने जैसा है—पहले अंधेरे कमरे में पढ़ाई करना, फिर एक चमकदार कमरे में, और फिर टिमटिमाती रोशनी वाले कमरे में। यह सिस्टम को लाइटिंग के बदलावों को अनदेखा करने और केवल उत्पाद के वास्तविक आकार और बनावट पर ध्यान केंद्रित करने के लिए प्रशिक्षित करता है।
5. "मॉर्फोलॉजिकल क्लोजिंग" (द ग्लू)
कभी-कभी, सिस्टम एक दोष को पहचान लेता है, लेकिन परिणाम एक टूटी हुई, बिंदीदार रेखा के रूप में दिखता है न कि एक ठोस खरोंच के रूप में। यह कार पर दिखने वाली एक खरोंच की तरह है जहाँ केवल उसका मध्य भाग ही हाइलाइट किया गया हो।
इसे ठीक करने के लिए, SuperADD Morphological Closing नामक चरण का उपयोग करता है। इसे एक "जादुई गोंद" (magical glue) के रूप में सोचें। यह टूटी हुई, बिंदीदार हाइलाइट्स को देखता है और बिंदुओं को जोड़कर एक ठोस, चिकना आकार बनाने के लिए उन्हें धीरे से जोड़ देता है। यह दोष वाले क्षेत्र के भीतर किसी भी छोटे छेद को भी भर देता है, जिससे यह सुनिश्चित होता है कि अंतिम रिपोर्ट समस्या की एक पूरी, साफ तस्वीर दिखाए।
परिणाम
इस सिस्टम का परीक्षण एक कठिन प्रतियोगिता (CVPR 2026 VAND 4.0 Industrial Track) में किया गया था, जिसमें MVTec AD 2 नामक डेटासेट का उपयोग किया गया था, जिसमें चमकदार धातु के डिब्बे, पारदर्शी जार और चावल के ढेर जैसे कठिन आइटम शामिल हैं।
- चुनौती: टेस्ट डेटा में ट्रेनिंग डेटा की तुलना में अलग लाइटिंग स्थितियाँ थीं, और सिस्टम को एक ही सेटिंग्स का उपयोग करके सभी प्रकार के ऑब्जेक्ट्स पर काम करना था (कोई कस्टम ट्यूनिंग नहीं)।
- परिणाम: SuperADD को इस चुनौती के लिए सबमिट किया गया था; अंतिम रैंकिंग अभी घोषित नहीं की गई है। पेपर में चुनौती डेटा पर टीम के अपने स्कोर की रिपोर्ट दी गई है।
- सिस्टम ने Fabric (कपड़े) में दोषों को लगभग 88% बार सही ढंग से पहचाना।
- इसने Rice (चावल) में दोषों को लगभग 74% बार सही ढंग से पहचाना।
- सबसे महत्वपूर्ण बात यह है कि यह दृष्टिकोण प्रदर्शित करता है कि आप कठिन लाइटिंग स्थितियों में भी, बिना किसी जटिल, कस्टम-प्रशिक्षित AI के, प्रतिस्पर्धी परिणाम प्राप्त कर सकते हैं।
सारांश
SuperADD एक स्मार्ट, लचीला और तेज़ तरीका है जो हर नए उत्पाद या लाइटिंग परिवर्तन के लिए AI को फिर से प्रशिक्षित किए बिना फैक्ट्री दोषों को पहचानने का काम करता है। यह एक पूर्व-प्रशिक्षित मस्तिष्क का उपयोग करता है, विवरणों को मिस करने से बचने के लिए उत्पादों को ओवरलैपिंग टुकड़ों में देखता है, लाइटिंग परिवर्तनों के प्रति सख्त रहने के लिए नकली लाइटिंग के साथ अभ्यास करता है, और "गोंद" का उपयोग करता है ताकि अंतिम दोष मानचित्र (defect map) साफ और पूर्ण हो। यह एक "वन-साइज़-फिट्स-ऑल" समाधान है जिसे विभिन्न औद्योगिक परिदृश्यों में मजबूती से प्रदर्शन करने के लिए डिज़ाइन किया गया है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।