🤖 AI

Anomaly as Non-Conformity via Training-Free Graph Laplacian Energy Minimization

यह शोध पत्र ANoCo का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त अनसुपरवाइज्ड विसंगति पहचान (अनसुपरवाइज्ड एनोमली डिटेक्शन) विधि है, जो एक क्वेरी पैच को एक निश्चित सामान्य फीचर मैनिफोल्ड के साथ संरेखित करने के लिए आवश्यक उत्तल लाप्लासियन ऊर्जा (कॉन्वेक्स लाप्लासियन एनर्जी) की गणना करके दृश्य विसंगतियों को परिमाणित करती है, जिससे यह सरल समानता के बजाय अनुकूलन-प्रेरित फीचर ड्रिफ्ट (ऑप्टिमाइजेशन-इंड्यूस्ड फीचर ड्रिफ्ट) के माध्यम से गैर-अनुरूपता को मापती है।

मूल लेखक: Jungwook Seo, Minjeong Kim, Younkwan Lee, Seungho Shin, Sungyong Baik

प्रकाशित 2026-05-28

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jungwook Seo, Minjeong Kim, Younkwan Lee, Seungho Shin, Sungyong Baik

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 न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक कारखाने में गुणवत्ता नियंत्रण निरीक्षक (quality control inspector) हैं। आपका काम कन्वेयर बेल्ट पर दोषपूर्ण उत्पादों को पहचानना है। पेच क्या है? आपने पहले कभी किसी दोषपूर्ण उत्पाद को नहीं देखा है, और आपके पास केवल कुछ तस्वीरें हैं जो एक "परफेक्ट" उत्पाद को दर्शाती हैं।

वर्तमान के अधिकांश तरीके इसे हल करने की कोशिश करते हैं: "क्या यह नया आइटम मेरे फोटो एल्बम में मौजूद किसी भी परफेक्ट आइटम जैसा दिखता है?" यदि यह एक भी फोटो के समान दिखता है, तो वे मान लेते हैं कि यह ठीक है।

ANoCo (इस पेपर की विधि) सवाल को पूरी तरह से बदल देता है। "क्या यह एक सामान्य वस्तु जैसा दिखता है?" पूछने के बजाय, यह पूछता है: "इस वस्तु को बिल्कुल एक सामान्य वस्तु जैसा दिखने के लिए मजबूर करना कितना कठिन होगा?"

यहाँ बताया गया है कि ANoCo कैसे काम करता है, सरल उपमाओं (analogies) के माध्यम से:

1. "एंकर" रणनीति (संदर्भ बनाना)

कल्पना कीजिए कि आपके पास एक नया, थोड़ा अजीब दिखने वाला पेंच (the "query") है। आप अपने परफेक्ट पेंचों के फोटो एल्बम (the "reference") को देखते हैं।

पुराना तरीका: आप बस उस एक फोटो को ढूंढते हैं जो आपके अजीब पेंच से सबसे अधिक मिलता-जुलता है और कहते हैं, "ठीक है, यह काफी हद तक वैसा ही है।"
ANoCo का तरीका: आप उस सबसे अच्छे मैचिंग फोटो (the "anchor") को ढूंढते हैं। लेकिन फिर, आप केवल उस एक फोटो को नहीं देखते। आप अपने एल्बम के उन सभी अन्य फोटो को देखते हैं जो उस एंकर फोटो के भी बहुत समान हैं। आप "परफेक्ट" उदाहरणों का एक सुसंगत और सख्त समूह बनाते हैं। यह समूह एक कठोर, अचल मानक बन जाता है।

2. "रबर बैंड" परीक्षण (द ग्राफ)

अब, कल्पना कीजिए कि आपका अजीब पेंच, अदृश्य रबर बैंडों (ये गणित में "edges" हैं) द्वारा परफेक्ट पेंचों के इस समूह से जुड़ा हुआ है।

यदि आपका पेंच वास्तव में परफेक्ट है, तो रबर बैंड ढीले होंगे। यह बिना किसी बदलाव के समूह में फिट बैठ जाता है।
यदि आपका पेंच दोषपूर्ण है (शायद मुड़ा हुआ है), तो रबर बैंड कस जाएंगे। अपने पेंच को "परफेक्ट" समूह में फिट करने के लिए, आपको उसे भौतिक रूप से खींचना या मोड़ना पड़ेगा।

3. "अनुरूपता की लागत" (The Cost of Conformity)

यही इस पेपर का मुख्य जादू है। ANoCo केवल यह नहीं देखता कि पेंच परफेक्ट समूह से कितनी दूर है। इसके बजाय, यह उस ऊर्जा (energy) या प्रयास (effort) की गणना करता है जो पेंच को उसकी सही जगह पर बिठाने के लिए आवश्यक है।

कम ऊर्जा (Low Energy): पेंच आसानी से फिट हो जाता है। यह सामान्य है।
उच्च ऊर्जा (High Energy): आपको पेंच को फिट करने के लिए रबर बैंड को बहुत अधिक खींचना पड़ा। यह "उच्च प्रयास" ही विसंगति स्कोर (anomaly score) है। आप इसे सामान्य बनाने के लिए जितना अधिक मजबूर करेंगे, यह उतना ही अधिक दोषपूर्ण होगा।

यह पुराने तरीकों से बेहतर क्यों है?

पेपर पिछले तरीकों की दो समस्याओं की ओर इशारा करता है:

"बुरे पड़ोसी" की समस्या (The "Bad Neighbor" Problem): कभी-कभी एक दोषपूर्ण वस्तु थोड़ी बहुत सामान्य वस्तु जैसी दिख सकती है, लेकिन वह पूरे समूह के साथ फिट नहीं बैठती। पुराने तरीके धोखा खा सकते हैं क्योंकि वे केवल एक पड़ोसी को देखते हैं। ANoCo पूरे समूह की संरचना को देखता है।
"स्मूथिंग" की समस्या (The "Smoothing" Problem): कई AI तरीके हर चीज़ को "स्मूथ" और उसके पड़ोसियों के समान बनाने की कोशिश करते हैं। यदि आपके पास कोई अजीब दोष है, तो ये तरीके गलती से उसे "स्मूथ" कर सकते हैं और समस्या को छिपा सकते हैं। ANoCo इसके विपरीत करता है: यह चीजों को स्मूथ करने से इनकार करता है। यह दोष को दृश्यमान बनाए रखता है क्योंकि यह मापता है कि वस्तु सामान्य बनने का कितना विरोध करती है।

"नो-ट्रेनिंग" का लाभ

आमतौरता तौर पर, AI को दोष पहचानने के लिए सिखाने के लिए आपको हजारों उदाहरण दिखाने पड़ते हैं और इसे सीखने में कई दिन लग जाते हैं। ANoCo ट्रेनिंग-मुक्त (training-free) है।

यह एक पहले से बने नियम पुस्तिका (the "normal manifold") की तरह है।
जब कोई नया आइटम आता है, तो आप AI को कुछ नया नहीं सिखाते हैं। आप बस एक त्वरित गणितीय गणना (एक "closed-form solution") चलाते हैं ताकि यह देखा जा सके कि आइटम को नियम पुस्तिका में फिट करने के लिए कितना प्रयास लगेगा।
यह तेज़ है, इसमें कोई अतिरिक्त लर्निंग नहीं चाहिए, और यह केवल कुछ संदर्भ तस्वीरों के साथ तुरंत काम करता है।

सारांश

ANoCo को एक प्रतिरोध मीटर (resistance meter) के रूप में सोचें। यह यह नहीं पूछता, "क्या तुम एक सामान्य व्यक्ति की तरह दिखते हो?" बल्कि यह पूछता है, "तुम्हें एक सामान्य व्यक्ति की तरह व्यवहार करने के लिए मजबूर करना कितना दर्दनाक है?" यदि उत्तर है "बहुत अधिक," तो आप एक विसंगति (anomaly) हैं। दृष्टिकोण में यह सरल बदलाव इसे उन सूक्ष्म दोषों को पहचानने की अनुमति देता है जिन्हें अन्य तरीके मिस कर देते हैं, और वह भी बिना किसी विशिष्ट दोष के लिए पहले से प्रशिक्षित हुए।

तकनीकी सारांश: ANoCo – प्रशिक्षण-मुक्त ग्राफ लैपलेसियन ऊर्जा न्यूनीकरण के माध्यम से विसंगति के रूप में गैर-अनुरूपता (Anomaly as Non-Conformity)

1. समस्या विवरण

औद्योगिक विसंगति पहचान (Industrial Anomaly Detection - IAD) का लक्ष्य केवल सामान्य (दोषरहित) छवियों का उपयोग करके दोषपूर्ण नमूनों की पहचान करना है, क्योंकि विसंगतियाँ दुर्लभ, विविध और एनोटेट करने में महंगी होती हैं। हालिया दृष्टिकोण फ्रोजन फीचर एक्सट्रैक्टर्स और सामान्य पैच के मेमोरी बैंक्स का लाभ उठाने वाले फ्यू-शॉट, प्रशिक्षण-मुक्त प्रतिमानों (training-free paradigms) की ओर बढ़ गए हैं।

हालाँकि, मौजूदा विधियाँ दो प्राथमिक सीमाओं का सामना करती हैं:

स्वतंत्र समानता स्कोरिंग (Independent Similarity Scoring): वर्तमान अत्याधुनिक विधियाँ (जैसे PatchCore, SPADE) एक क्वेरी पैच की उसके सामान्य मेमोरी बैंक में निकटतम पड़ोसियों के साथ समानता के आधार पर विसंगतियों को स्कोर करती हैं। यह मानता है कि व्यक्तिगत समानता ही सामान्यता का संकेत है। शोध पत्र का तर्क है कि यह तब विफल हो जाता है जब एक क्वेरी कई पुनर्प्राप्त सामान्य पैच के लिए स्थानीय रूप से समान होती है, लेकिन सामान्य मैनिफोल्ड (manifold) की सामूहिक संरचना के साथ वैश्विक रूप से असंगत (globally inconsistent) होती है। फ्यू-शॉट सेटिंग्स में, जहाँ सामान्य उदाहरण कई मोड (जैसे, भिन्न प्रकाश व्यवस्था या बनावट) को कैप्चर कर सकते हैं, $k$ -NN एक संभावित लेकिन परस्पर असंगत सेट पुनर्प्राप्त कर सकता है, जिससे फॉल्स नेगेटिव (false negatives) उत्पन्न होते हैं।
प्रतिकूल ग्राफ स्मूथिंग (Counterproductive Graph Smoothing): ग्राफ-आधारित दृष्टिकोण अक्सर होमोफिली (जुड़े हुए नोड्स के बीच सहमति) को लागू करने के लिए मैसेज पासिंग या लैपलेसियन स्मूथिंग का उपयोग करते हैं। यद्यपि यह सेमी-सुपरवाइज्ड लर्निंग के लिए प्रभावी है, ये तंत्र विसंगति पहचान के लिए हानिकारक हैं क्योंकि ये विसंगति संकेतों को पड़ोसी सहमति के माध्यम से धुंधला (blur) कर देते हैं, जिससे वे सिग्नल दब जाते हैं जो विसंगति का पता लगाने के लिए आवश्यक होते हैं।

2. कार्यप्रणाली: ANoCo

लेखक ANoCo (Anomaly as Non-Conformity) प्रस्तावित करते हैं, जो एक प्रशिक्षण-मुक्त ढांचा है जो विसंगति पहचान को केवल दूरी मापने के बजाय, गैर-अनुरूपता की लागत (cost of non-conformity) मापने के रूप में पुनर्व्याख्या करता है। मुख्य परिकल्पना यह है कि एक विसंगति एक ऐसा पैच है जिसे एक निश्चित सामान्य मैनिफोल्ड के साथ संरेखित करने के लिए महत्वपूर्ण विरूपण (deformation) की आवश्यकता होती है।

यह विधि तीन चरणों में आगे बढ़ती है:

A. एंकर-संचालित सामान्य पैच पुनर्प्राप्ति (Anchor-Driven Normal Patch Retrieval)

केवल क्वेरी समानता के आधार पर पड़ोसियों को पुनर्प्राप्त करने के बजाय, ANoCo एक सुसंगत सामान्य सहायता सेट (support set) का निर्माण करता है:

एंकर चयन: प्रत्येक क्वेरी पैच के लिए, सबसे समान संदर्भ सामान्य पैच की पहचान एक "एंकर" के रूप में की जाती है।
निरंतरता फ़िल्टरिंग (Consistency Filtering): अतिरिक्त संदर्भ पैच केवल तभी पुनर्प्राप्त किए जाते हैं यदि वे एंकर पैच के भी समान हों। यह सुनिश्चित करता है कि पुनर्प्राप्त सेट एक संरचनात्मक रूप से सुसंगत स्थानीय मैनिफोल्ड बनाता है, जिससे उन पड़ोसियों को फ़िल्टर किया जाता है जो स्थानीय रूप से क्वेरी के समान तो हैं लेकिन प्रमुख सामान्य पैटर्न के साथ असंगत हैं।

B. बाइपार्टाइट ग्राफ निर्माण (Bipartite Graph Construction)

क्वेरी पैच और पुनर्प्राप्त एंकर-सुसंगत संदर्भ पैच के बीच एक स्पार्स बाइपार्टाइट ग्राफ बनाया जाता है।

एज वेट्स (Edge Weights): किनारों (edges) को कोसाइन समानता और एक नॉर्म-कंपैटिबिलिटी फैक्टर (फीचर मैग्नीट्यूड को ध्यान में रखने के लिए) के गुणनफल द्वारा भारित किया जाता है।
संरचना: महत्वपूर्ण रूप से, ग्राफ में कोई क्वेरी-क्वेरी किनारे नहीं और कोई संदर्भ-संदर्भ किनारे नहीं होते हैं। यह विसंगतियों को सर्वसम्मति के माध्यम से स्वयं को सुदृढ़ करने से रोकता है और क्वेरी सेट के भीतर ओवरस्मूथिंग से बचाता है।

C. एंकरित लैपलेसियन ऊर्जा न्यूनीकरण (Anchored Laplacian Energy Minimization)

विसंगति स्कोर एक अनुकूलन समस्या (optimization problem) से प्राप्त होता है जो उस ऊर्जा को कम करने का प्रयास करती है जो स्थिर सामान्य मैनिफोल्ड के साथ क्वेरी फीचर्स को अनुरूप बनाने के लिए आवश्यक है।

उद्देश्य: एक कुल ऊर्जा फलन $E(\tilde{F}) = E_{lap} + E_{reg}$ $E (\tilde{F}) = E_{l a p} + E_{r e g}$ को कम करना, जहाँ:
- $E_{lap} = \tilde{F}^\top L \tilde{F}$ कनेक्टेड क्वेरी और संदर्भ नोड्स के बीच अनुरूपता लागू करने वाला ग्राफ लैपलेसियन ऊर्जा है।
- $E_{reg}$ एक $\ell_2$ रेगुलराइजेशन टर्म है जो अनुकूलित क्वेरी फीचर्स को उनके प्रारंभिक मानों के करीब रखता है।
एंकरिंग: संदर्भ नोड्स को उच्च दंड (penalties) के साथ "एंकर" (फ्रीज) किया जाता है, यह सुनिश्चित करते हुए कि केवल क्वेरी फीचर्स ही अपडेट हों।
क्लोज्ड-फॉर्म सॉल्यूशन: बाइपार्टाइट संरचना और लैपलेसियन में क्वेरी ब्लॉक की विकर्ण प्रकृति के कारण, अनुकूलन एक सरल रैखिक प्रणाली में बदल जाता है जिसे क्लोज्ड फॉर्म में हल किया जा सकता है:
$\tilde{F}_q = (L_{qq} + \Lambda_q)^{-1} (\Lambda_q F_q - L_{qr} F_r)$
इसके लिए किसी पुनरावृत्ति (iterative) मैसेज पासिंग या सैंपलिंग की आवश्यकता नहीं होती है।

D. विसंगति स्कोरिंग (Anomaly Scoring)

अनुकूलित फीचर्स $\tilde{F}_q$ का उपयोग भविष्यवाणियों के रूप में नहीं किया जाता है। इसके बजाय, सामान्यता बाधाओं को संतुष्ट करने के लिए आवश्यक फीचर अपडेट का परिमाण ("फीचर ड्रिफ्ट") विसंगति स्कोर के रूप में कार्य करता है:
$E_i = \|\tilde{f}^q_i - f^q_i\|^2_2 (1 - \cos(\tilde{f}^q_i, f^q_i))$
एक बड़ा ड्रिफ्ट उच्च गैर-अनुरूपता को दर्शाता है, जो एक विसंगति का संकेत देता है।

3. प्रमुख योगदान

विसंगति को गैर-अनुरूपता के रूप में पुनर्गठित करना: यह शोध पत्र विसंगति पहचान के प्रतिमान को "पड़ोसियों के साथ समानता" से बदलकर "मैनिफोल्ड के साथ संरेखण की लागत" में बदल देता है। विसंगति स्कोर सामान्य संरचना के साथ सामंजस्य बिठाने के लिए आवश्यक ऊर्जा है।
प्रशिक्षण-मुक्त क्लोज्ड-फॉर्म अनुकूलन: यह विधि कोई सीखने योग्य पैरामीटर, मैसेज पासिंग या सैंपलिंग पेश नहीं करती है। यह एक क्लोज्ड-फॉर्म में एक कन्वेक्स लैपलेसियन ऊर्जा न्यूनीकरण समस्या को हल करती है जिसकी जटिलता एक एकल लीनियर सॉल्व के बराबर है।
बाइपパートाइट ग्राफ डिज़ाइन: क्वेरी-क्वेरी और संदर्भ-संदर्भ किनारों को स्पष्ट रूप से हटाकर, यह विधि साक्ष्य के प्रसार (evidence dilution) को रोकती है और उन विसंगति संकेतों को सुरक्षित रखती है जो पारंपरिक ग्राफ दृष्टिकोणों द्वारा दबा दिए जाते।
भौतिक व्याख्यात्मकता (Physical Interpretability): विसंगति स्कोर का एक स्पष्ट भौतिक अर्थ है: सामान्य मैनिफोल्ड में फिट होने के लिए ऊर्जा लागत।

4. प्रयोगात्मक परिणाम

ANoCo का मूल्यांकन MVTec-AD और VisA बेंचमार्क पर 1-शॉट, 2-शॉट और 4-शॉट सेटिंग्स के तहत किया गया, जिसमें हालिया प्रशिक्षण-मुक्त और फ्यू-शॉट बेसलाइन्स (जैसे PatchCore, WinCLIP, INP-Former) के साथ तुलना की गई।

प्रदर्शन: ANoCo सभी शॉट सेटिंग्स में अत्याधुनिक (state-of-the-art) परिणाम प्राप्त करता है।
- MVTec-AD (1-shot) पर: 97.9% इमेज-लेवल AUROC और 97.7% पिक्सेल-लेवल AUROC प्राप्त करता है, जो पिछले सर्वश्रेष्ठ (INP-Former क्रमशः 96.6% और 97.0%) से बेहतर है।
- VisA (1-shot) पर: 92.7% इमेज-लेवल AUROC और 98.7% पिक्सेल-लेवल AUROC प्राप्त करता है, जो लोकलाइज़ेशन स्थिरता में महत्वपूर्ण सुधार दिखाता है।
एब्लेशन अध्ययन (Ablation Studies):
- बाइपार्टाइट संरचना या एंकर-संचालित पुनर्प्राप्ति को हटाने से प्रदर्शन में गिरावट आती है, जो स्वयं-सुदृढ़ीकरण को रोकने और मैनिफोल्ड सामंजस्य सुनिश्चित करने के लिए इसकी आवश्यकता की पुष्टि करता है।
- विधि समान बैकबोन आर्किटेक्चर (जैसे DINOv3, CLIP) के साथ बेोंलाइन के मुकाबले भी लगातार बेहतर प्रदर्शन करती है, जो इंगित करता है कि लाभ केवल फीचर क्वालिटी के बजाय गैर-अनुरूपता फॉर्मूलेशन द्वारा संचालित हैं।
दक्षता: अनुकूलन चरण के बावजूद, ANoCo अत्यधिक कुशल है। CLIP बैकबोन के साथ, यह नमूनों को ~~14ms में प्रोसेस करता है, जो क्लोज्ड-फॉर्म समाधान के कारण WinCLIP (~~1560ms) की तुलना में काफी तेज़ है।
सामान्यीकरण: विधि चिकित्सा OCT2017 डेटासेट पर भी मजबूत प्रदर्शन प्रदर्शित करती है, जो औद्योगिक सेटिंग्स से परे इसकी प्रयोज्यता का सुझाव देती है।

5. महत्व और दावे

शोध पत्र दावा करता है कि ANoCo यह प्रदर्शित करता है कि ऑप्टिमाइज़ेशन-प्रेरित फीचर ड्रिफ्ट का उपयोग विसंगति पहचान के लिए एक मजबूत माप के रूप में करना कितना प्रभावी है। ग्राफ लैपलेसियन को एक स्मूथिंग ऑपरेटर के बजाय एक नॉन-कन्फॉर्मिटी ऑपरेटर के रूप में पुन: उपयोग करके, विधि सफलतापूर्वक उन सूक्ष्म विचलन का पता लगाती है जिन्हें स्वतंत्र समानता मेट्रिक्स मिस कर देते हैं।

लेखक इस दृष्टिकोण पर जोर देते हैं कि यह:

तै로 (Deploy) करने में सरल है: इसमें कोई प्रशिक्षण की आवश्यकता नहीं है और न्यूनतम हाइपरपैरामीटर ट्यूनिंग की आवश्यकता है।
मजबूत है: यह सूक्ष्म या अनियमित विसंगतियों के लिए भी स्थिर लोकलाइज़ेशन मैप प्रदान करता है।
सैद्धांतिक रूप से स्थापित है: यह 'मैनिफोल्ड असंगति की ऊर्जा लागत' के रूप में विसंगति की एक स्पष्ट व्याख्या प्रदान करता है, जो उस विरोधाभास को हल करता है जहाँ ग्राफ स्मूथिंग आमतौर पर विसंगति संकेतों को दबा देती है।

यह कार्य सुझाव देता है कि भविष्य की विसंगति पहचान प्रणालियों को व्यक्तिगत उदाहरणों से केवल दूरी मापने के बजाय, सामान्य संरचनाओं के अनुरूप होने की कठिनाई को मापने पर ध्यान केंद्रित करना चाहिए।