HLGFA: High-Low Resolution Guided Feature Alignment for Unsupervised Anomaly Detection

Il paper propone HLGFA, un framework per la rilevazione di anomalie non supervisionata nell'industria che, sfruttando l'allineamento delle caratteristiche tra risoluzioni alta e bassa e un'augmentazione dei dati robusta al rumore, supera i metodi esistenti ottenendo un'AUROC del 97,9% a livello di pixel sul dataset MVTec AD.

L'essenziale

Immagina di essere un ispettore di qualità in una fabbrica di automobili o di smartphone. Il tuo compito è trovare anche il minimo graffio o difetto su un prodotto perfetto. Il problema? I difetti sono rari, imprevedibili e spesso piccolissimi. Inoltre, non hai un catalogo di "esempi di difetti" da confrontare; hai solo migliaia di foto di prodotti perfetti.

Come fai a insegnare a un computer a riconoscere un difetto senza mostrargliene mai uno?

Ecco la storia di HLGFA, un nuovo metodo intelligente che risolve questo problema guardando le cose da due prospettive diverse.

1. L'idea principale: Guardare da vicino e da lontano

Immagina di avere una foto di un oggetto perfetto, diciamo una tazza di ceramica bianca.

• La visione ad Alta Risoluzione (HR): È come guardare la tazza con un microscopio. Vedi ogni dettaglio, ogni granello di polvere, ogni imperfezione microscopica.
• La visione a Bassa Risoluzione (LR): È come guardare la stessa tazza da molto lontano, quasi sfocata. Vedi la forma generale, il colore, la silhouette, ma perdi i dettagli fini.

Il trucco di HLGFA:
Gli autori hanno notato una cosa curiosa: se prendi un oggetto perfetto e lo guardi da vicino e da lontano, la sua "essenza" rimane la stessa. La forma è coerente.
Ma se c'è un difetto (un graffio, una crepa), succede qualcosa di strano:

• Da vicino, il graffio è chiarissimo.
• Da lontano, quel graffio potrebbe scomparire o cambiare forma perché è troppo piccolo per essere visto nella versione "sfocata".

HLGFA sfrutta questa differenza. Invece di cercare di "ricostruire" l'immagine (come farebbe un artista che prova a ridisegnare la tazza da zero, sbagliando spesso), il sistema chiede: "La versione da lontano corrisponde a quella da vicino?"

2. Come funziona il "Doppio Occhio"

Il sistema usa un "cervello" pre-addestrato (una rete neurale congelata, che non cambia) per guardare l'immagine in due modi contemporaneamente.

• Il Tutor (Alta Risoluzione): La versione ad alta risoluzione agisce come un insegnante severo. Sa tutto: sa com'è fatto il dettaglio, sa com'è la struttura.
• Lo Studente (Bassa Risoluzione): La versione a bassa risoluzione è più veloce e meno disturbata dal "rumore" (come una macchia di polvere che non è un difetto), ma è un po' confusa sui dettagli.

Il processo di apprendimento:
Il sistema prende la visione dello "Studente" (bassa risoluzione) e prova a correggerla usando i consigli del "Tutor" (alta risoluzione).

• Se l'oggetto è perfetto, il Tutor dice allo Studente: "Sì, hai ragione, la forma è quella". Tutto è allineato.
• Se c'è un difetto, il Tutor dice: "Aspetta! Qui c'è una crepa che tu non vedi, ma io sì. La tua visione non corrisponde alla mia!".

Dove c'è questo disallineamento (dove le due visioni non vanno d'accordo), il sistema grida: "QUI C'È UN DIFETTO!".

3. I tre segreti per non sbagliare

Per rendere questo sistema infallibile, gli autori hanno aggiunto tre accorgimenti geniali:

A. Separare la "Struttura" dai "Dettagli"

Immagina di dover descrivere una casa.

• La Struttura è il tetto, le pareti, le finestre (la forma generale).
• I Dettagli sono i fiori nel vaso, la polvere sul davanzale, i graffi sul muro.
  A volte, la polvere (dettaglio) può confondere il sistema facendogli pensare che ci sia un difetto. HLGFA separa queste due cose. Usa la "Struttura" per dare una guida solida e stabile, e usa i "Dettagli" solo per affinare il lavoro. Se la struttura è solida ma i dettagli sono strani, il sistema sa che c'è un problema vero.

B. L'allenamento con il "Rumore"

Nelle fabbriche reali, le cose non sono mai perfette: c'è polvere, peli, macchie d'olio. Se addestri un sistema solo su foto perfette, si spaventerà per ogni macchia di polvere.
HLGFA viene addestrato "sporco": gli vengono mostrate foto di oggetti perfetti a cui vengono aggiunte artificialmente macchie di polvere o peli. Il sistema impara così a dire: "Oh, questa è solo polvere, non è un difetto strutturale". Diventa come un ispettore esperto che sa distinguere un graffio vero da un po' di sporcizia.

C. La "Memoria" non serve

Molti sistemi precedenti avevano bisogno di un enorme archivio di "esempi perfetti" da cui attingere per fare confronti. HLGFA non ne ha bisogno. È come un ispettore che, invece di consultare un manuale, ha sviluppato un "senso comune" basato sulla coerenza tra il vicino e il lontano. È più veloce e più leggero.

4. I Risultati: Un Super-Eroe dell'Ispezione

Il sistema è stato testato su un banco di prova famoso (MVTec AD) con 15 tipi di oggetti diversi, dai tappeti ai viti, dalle bottiglie ai chip elettronici.
I risultati sono stati straordinari:

• Ha trovato quasi tutti i difetti (quasi il 98% di precisione).
• Ha individuato esattamente dove si trovava il difetto, pixel per pixel.
• Ha fatto meno errori di allarme falso rispetto ai metodi precedenti.

In sintesi

HLGFA è come un detective che non ha bisogno di vedere il crimine per sapere che è successo. Basta che noti che la versione "sfocata" della scena non corrisponde alla versione "nitida". Dove le due visioni non si accordano, lì c'è l'anomalia. È un metodo semplice, robusto e perfetto per le fabbriche moderne, dove la qualità deve essere perfetta e i difetti sono rari ma costosi.

Sommario tecnico

1. Il Problema: Rilevamento di Anomalie Industriali Non Supervisionato

Il rilevamento di anomalie industriali (IAD) è fondamentale per il controllo qualità nella manifattura moderna. Tuttavia, l'implementazione di sistemi affidabili incontra diverse sfide intrinseche:

• Squilibrio dei dati: Le campioni difettosi sono estremamente rari rispetto a quelli normali, rendendo difficile l'addestramento di modelli supervisionati.
• Diversità dei difetti: Le anomalie variano notevolmente per aspetto, scala e forma, rendendo difficile la modellazione esplicita.
• Limiti dei metodi esistenti:
  • I metodi basati sulla ricostruzione (es. Autoencoder) tendono a generalizzare troppo bene, ricostruendo anche le anomalie e fallendo nel rilevarle.
  • I metodi basati sulle caratteristiche (feature-based) spesso faticano a preservare simultaneamente la coerenza strutturale globale e la fedeltà dei dettagli locali, specialmente quando i difetti variano di scala.
• Rumore ambientale: I prodotti industriali reali presentano spesso fattori di disturbo (peli, macchie, contaminazioni) che possono essere scambiati per difetti, generando falsi positivi.

2. Metodologia: HLGFA

Il paper propone HLGFA, un framework che non si basa sulla ricostruzione a livello di pixel, ma sull'allineamento delle caratteristiche (feature alignment) guidato da risoluzioni diverse. L'idea centrale è che i pattern normali mantengono una coerenza delle caratteristiche al variare della risoluzione, mentre le regioni anomale mostrano una forte instabilità.

Architettura Principale

1. Input Dual-Risoluzione: Un'immagine di input viene processata in due viste: ad alta risoluzione (HR) e a bassa risoluzione (LR).
2. Backbone Congelato: Entrambe le viste vengono elaborate da uno stesso backbone pre-addestrato e congelato (es. Wide-ResNet-50) per estrarre caratteristiche multilivello. Questo evita l'overfitting e riduce i costi computazionali.
3. Allineamento Guidato (Guided Alignment):
   • Le caratteristiche LR vengono ridimensionate spazialmente per corrispondere a quelle HR.
   • Invece di forzare una similarità diretta (instabile a causa del mismatch di risoluzione), viene introdotto un modulo di allineamento apprendibile che usa le caratteristiche HR come segnale di guida per raffinare quelle LR.
4. Decoupling Struttura-Detail (Struttura-Detail Decoupled Guidance):
   • Le caratteristiche HR sono decomposte in due priors complementari:
     • Prior di Struttura: Estratto da livelli profondi tramite convoluzioni depthwise multiscala, cattura il layout globale stabile.
     • Prior di Dettaglio: Derivato da livelli superficiali, preserva i segnali locali informativi sopprimendo il rumore ad alta frequenza.
   • Questi due prior guidano la modulazione delle caratteristiche LR tramite trasformazioni condizionali (FiLM) e una correzione residua "gated" (a cancello), permettendo un allineamento flessibile e adattivo.
5. Rilevamento: Durante l'inferenza, le anomalie sono identificate come le regioni dove l'allineamento cross-risoluzione fallisce (alta discrepanza tra le caratteristiche HR e le caratteristiche LR raffinate).
6. Modulazione di Affidabilità: Viene calcolato un punteggio di coerenza strutturale locale per sopprimere le risposte anomale spurie in regioni strutturalmente instabili o rumorose.

Aumento dei Dati Consapevole del Rumore

Per migliorare la robustezza, viene introdotta una strategia di data augmentation che inietta rumore puntuale e strisce strutturate (simulando peli, macchie, contaminazioni) nei campioni normali durante l'addestramento. Questo insegna al modello a ignorare i fattori di disturbo irrilevanti e a concentrarsi sulla semantica strutturale stabile.

3. Contributi Chiave

• Nuovo Paradigma di Rilevamento: Un framework non supervisionato che identifica le anomalie attraverso l'inconsistenza delle caratteristiche cross-risoluzione, evitando i limiti della ricostruzione pixel-level.
• Modulo di Allineamento Decoupled: Progettazione di un modulo che separa struttura e dettagli per guidare l'allineamento delle caratteristiche senza aggiornare i parametri del backbone, garantendo stabilità.
• Robustezza Industriale: Introduzione di una strategia di aumento dei dati consapevole del rumore per ridurre i falsi positivi in scenari reali complessi.
• Efficienza: Il metodo non richiede banche memoria (memory banks) o campioni di riferimento durante l'inferenza, rendendolo pratico per applicazioni reali.

4. Risultati Sperimentali

Il metodo è stato valutato sul benchmark standard MVTec AD, che comprende 15 categorie di oggetti e texture.

• Performance Complessive: HLGFA ha ottenuto risultati state-of-the-art, superando metodi rappresentativi basati su ricostruzione (es. RD4AD) e su caratteristiche (es. PatchCore, UniAD) e modelli zero-shot (es. AnomalyCLIP).
  • Pixel-level AUROC: 97.9%
  • Image-level AUROC: 97.5%
• Localizzazione: Il metodo mostra una superiorità significativa nella metrica AP-P (Average Precision a livello di pixel), indicando una migliore capacità di sopprimere le attivazioni spurie su aree normali e di localizzare con precisione i difetti.
• Analisi Qualitativa: Le mappe di anomalie generate sono più compatte e allineate alle maschere di ground truth rispetto alle controparti, evitando falsi allarmi su strutture normali.
• Studi di Ablazione: L'analisi conferma che la combinazione di similarità coseno, perdita L1, e loss basata sulla matrice di Gram (Gram-matrix) fornisce il miglior equilibrio tra allineamento direzionale e consistenza locale.

5. Significato e Impatto

HLGFA rappresenta un passo avanti significativo per l'ispezione visiva industriale automatica (AOI):

• Praticità: Funziona esclusivamente con campioni normali, non richiede fine-tuning specifico per task e non necessita di banche memoria ingombranti.
• Interpretabilità: Le anomalie sono rilevate basandosi su un principio fisico/logico chiaro (instabilità cross-risoluzione) piuttosto che su errori di ricostruzione opachi.
• Robustezza: La capacità di gestire rumore e variazioni di scala lo rende adatto a scenari industriali reali dove i difetti sono rari e il rumore di fondo è comune.

In sintesi, HLGFA trasforma l'asimmetria intrinseca tra rappresentazioni ad alta e bassa risoluzione in un segnale affidabile per il rilevamento di anomalie, offrendo una soluzione robusta, efficiente e ad alte prestazioni per l'industria 4.0.