StructCore: Structure-Aware Image-Level Scoring for Training-Free Unsupervised Anomaly Detection

Il paper presenta StructCore, un metodo di scoring a livello di immagine privo di addestramento che supera il pooling massimo tradizionale nell'individuazione di anomalie non supervisionata calcolando un descrittore strutturale e applicando una calibrazione di Mahalanobis per ottenere prestazioni superiori su dataset come MVTec AD e VisA.

L'essenziale

Immagina di essere un ispettore di qualità in una fabbrica di biscotti. Il tuo compito è controllare ogni singolo biscotto che esce dal forno e decidere se è "buono" (normale) o "cattivo" (difettoso).

Il Problema: L'Ispezione "Dell'Ultimo Biscotto"

Fino ad oggi, i computer che facevano questo lavoro usavano un metodo molto semplice, che chiameremo "La Regola del Picco Massimo" (Max Pooling).

Ecco come funzionava:

1. Il computer guardava l'immagine del biscotto e creava una mappa di "sospetto". Ogni punto della mappa aveva un punteggio: più alto era, più quel punto sembrava strano.
2. Per decidere se scartare tutto il biscotto, il computer guardava solo il punto più rosso (il punteggio più alto) di tutta la mappa.
3. Se quel singolo punto era rosso, il biscotto veniva buttato. Se il punto più alto era verde, il biscotto veniva salvato.

Il difetto di questo metodo:
Immagina un biscotto con una piccola bruciatura (un difetto grave) e un altro biscotto con una macchia di polvere molto grande ma leggera.

• Il biscotto bruciato ha un punto rosso molto intenso. Il computer lo scarta.
• Il biscotto con la polvere ha una macchia grande, ma nessun punto è "rosso intenso". Il punteggio massimo è basso. Il computer lo salva, anche se è sporco!

Il problema è che la "Regola del Picco Massimo" ignora come è distribuito il difetto. Si concentra solo sul punto più estremo, perdendo l'immagine d'insieme. È come giudicare un'intera orchestra basandosi solo sul suono di un singolo violino che ha stonato, ignorando se tutta la sezione degli ottoni fosse fuori tempo.

La Soluzione: StructCore (Il "Detective Strutturale")

Gli autori di questo paper, StructCore, dicono: "Aspetta! Non dobbiamo guardare solo il punto più caldo. Dobbiamo guardare la struttura dell'intera mappa di sospetto."

StructCore è come un detective esperto che non si fida del primo indizio, ma analizza il comportamento generale del "sospetto".

Ecco come funziona, con tre metafore semplici:

1. La Dispersione (Il caos):

   • Vecchio metodo: Guarda solo il punto più alto.
   • StructCore: Chiede: "I punti sospetti sono sparsi ovunque come confetti o sono raggruppati in un'unica macchia?"
   • Analogia: Se vedi un gruppo di persone che ridono tutte insieme in un angolo, è probabile che stiano organizzando una festa (difetto strutturato). Se vedi una persona che ride da sola in mezzo a un campo, potrebbe essere solo un caso (rumore). StructCore capisce la differenza.

2. La Coda (Il peso dei piccoli difetti):

   • Vecchio metodo: Ignora tutto ciò che non è il massimo.
   • StructCore: Guarda anche i punti "mediocri" ma numerosi.
   • Analogia: Immagina di avere un secchio d'acqua. Un secchio con un solo buco enorme (picco alto) perde acqua velocemente. Ma un secchio con mille piccoli buchi (punti medi ma tanti) perde la stessa quantità d'acqua! StructCore somma tutti questi piccoli "buchi" per capire se il secchio è davvero rotto.

3. La Rugosità (La forma):

   • Vecchio metodo: Non guarda la forma.
   • StructCore: Guarda quanto è "ruvida" o irregolare la mappa.
   • Analogia: Un difetto reale (come una crepa) ha solitamente bordi netti e una forma coerente. Il rumore casuale (un errore del sensore) sembra come nebbia sparsa o graniglia. StructCore misura questa "ruvidità" per distinguere un vero difetto da un falso allarme.

Come lo fa senza imparare nulla? (Training-Free)

La cosa geniale è che StructCore non ha bisogno di studiare nuovi biscotti difettosi.

• Guarda solo i biscotti perfetti (quelli normali) durante la fase di setup.
• Impara come appare la mappa di "sospetto" quando tutto va bene (di solito è piatta e uniforme).
• Quando arriva un nuovo biscotto, calcola quanto la sua mappa di sospetto si "allontana" dalla normalità, usando una formula matematica semplice (distanza di Mahalanobis).

Se la mappa ha una struttura strana (troppa dispersione, troppa coda, troppa rugosità), StructCore alza il punteggio di allarme, anche se il punto più alto non era così intenso.

Il Risultato

Grazie a questo approccio, StructCore riesce a:

• Non perdere i difetti nascosti: Riusce a vedere i biscotti sporchi ma senza punti rossi intensi.
• Non scartare i biscotti buoni: Evita di buttare via biscotti perfetti solo perché c'è stato un piccolo errore di lettura in un punto.
• Essere veloce: Non cambia il modo in cui il computer vede i pixel (la localizzazione), cambia solo la decisione finale (il voto finale). È come aggiungere un filtro intelligente alla porta di uscita senza toccare la macchina che produce i biscotti.

In Sintesi

StructCore è un sistema che dice: "Non giudicare un libro dalla copertina (o un difetto dal punto più caldo). Guarda come è scritto l'intero libro (la struttura della mappa)."

Grazie a questo metodo, i computer diventano ispettori molto più saggi, capaci di vedere l'immagine d'insieme e di prendere decisioni più affidabili, raggiungendo quasi il 100% di precisione nel rilevare i difetti.

Sommario tecnico

1. Il Problema

Nell'ambito della Rilevazione di Anomalie Non Supervisionata (UAD) per l'ispezione visiva industriale, la maggior parte dei metodi moderni (basati su banche memoria, ricostruzione o discrepanza teacher-student) genera una mappa di punteggio di anomalia densa a livello di pixel. Tuttavia, il passaggio critico per la decisione operativa finale (accettare o rifiutare un'immagine) è la riduzione di questa mappa a un singolo punteggio scalare.

Attualmente, lo standard de facto per questa riduzione è il Max Pooling (o sue varianti minori). Il paper identifica due limiti fondamentali di questo approccio:

1. Perdita di informazione strutturale: Il max pooling si basa su un'unica risposta estrema (il pixel con il punteggio più alto), ignorando come le evidenze di anomalia siano distribuite e strutturate spazialmente nell'immagine.
2. Sovrapposizione delle distribuzioni: Per difetti sottili o distribuiti su aree ampie, le immagini normali e quelle anomale tendono a sovrapporsi significativamente nei punteggi basati sul max pooling, portando a falsi positivi o negativi. Inoltre, con rappresentazioni potenti (come i Transformer pre-addestrati), picchi spurii localizzati possono dominare il massimo anche in assenza di un pattern di anomalia globale decisivo.

L'obiettivo è migliorare la decisione a livello di immagine senza modificare la localizzazione a livello di pixel (che rimane affidabile).

2. Metodologia: StructCore

Il paper propone StructCore, un modulo di scoring a livello di immagine senza necessità di addestramento (training-free) e consapevole della struttura, progettato per integrare e migliorare i pipeline UAD esistenti.

Il funzionamento si articola nei seguenti passaggi:

• Input: Riceve una mappa di punteggio di anomalia $S$ generata da un detector esistente (es. PatchCore con backbone ViT).
• Descrittore Strutturale ($\phi(S)$): Invece di usare solo il valore massimo, StructCore calcola un descrittore strutturale a bassa dimensionalità (3 dimensioni) che cattura:
  1. Dispersione Globale ($\sigma_S$): La deviazione standard dei punteggi della mappa (misura quanto i valori sono dispersi).
  2. Concentrazione della Coda (Tail Concentration): La media dei punteggi top-k (es. top 1%), che rappresenta la massa delle code della distribuzione, robusta rispetto ai picchi isolati.
  3. Rugosità Spaziale (Spatial Roughness): La Variazione Totale (Total Variation - TV) della mappa, che quantifica la discontinuità spaziale e la coerenza delle regioni di anomalia.
• Calibrazione Statistica: Utilizzando esclusivamente campioni "buoni" (normali) del set di addestramento, il metodo stima le statistiche (media $\mu$ e deviazione standard $\sigma$) del descrittore $\phi(S)$.
• Punteggio Strutturale: Durante l'inferenza, calcola la distanza di Mahalanobis diagonale tra il descrittore dell'immagine in test e la distribuzione normale stimata:
  $$D_{struct}(S) = \left\| \frac{\phi(S) - \mu}{\sigma + \epsilon} \right\|_2$$
  Questo punteggio misura quanto la struttura della mappa di anomalia si discosta dal comportamento normale.
• Punteggio Ibrido: Il punteggio finale a livello di immagine ($S_{hyb}$) è una combinazione del punteggio base (max pooling) e del punteggio strutturale, pesato automaticamente ($\lambda_{auto}$) in base alle statistiche dei campioni normali per bilanciare le scale:
  $$S_{hyb}(x) = S_{base}(x) + \lambda_{auto} \cdot D_{struct}(S(x))$$

Nota importante: StructCore non modifica la mappa di anomalia originale né i punteggi a livello di patch, preservando così la capacità di localizzazione del sistema originale.

3. Contributi Chiave

1. Analisi del collo di bottiglia: Identificazione del max pooling come un limite critico che scarta evidenze strutturali informative nelle mappe di anomalia.
2. Progettazione di StructCore: Introduzione di un modulo di scoring senza addestramento basato su descrittori strutturali compatti e calibrazione statistica sui campioni normali, compatibile con pipeline UAD esistenti (come PatchCore).
3. Validazione Sperimentale: Dimostrazione attraverso estese ablazioni che l'uso di descrittori strutturali minimi (3 dimensioni) porta a guadagni stabili e significativi nella rilevazione a livello di immagine, mantenendo invariata la localizzazione a livello di pixel.

4. Risultati Sperimentali

Il metodo è stato valutato sui benchmark industriali standard MVTec AD (15 categorie) e VisA (12 categorie), utilizzando un backbone ViT-B/14 frozen (DINOv2) e un protocollo one-class.

• MVTec AD:
  • Il punteggio base (max pooling) ha raggiunto un I-AUROC del 98.7%.
  • Con StructCore (punteggio ibrido), l'I-AUROC è salito al 99.6%.
  • I miglioramenti sono stati particolarmente evidenti su categorie difficili come Pill (+5.4%), Screw (+2.7%) e Capsule (+2.2%).
  • Le metriche di localizzazione a livello di pixel (P-AUROC) sono rimaste invariate, confermando che la localizzazione non è stata compromessa.
• VisA:
  • L'I-AUROC è migliorato dal 97.6% al 98.4%.
  • Miglioramenti significativi su categorie come Cashew (+4.0%) e PCB1 (+2.0%).
• Efficienza: Il metodo è computazionalmente leggero, aggiungendo un tempo di inferenza trascurabile (circa 0.32 ms in più per immagine su GPU RTX 3090) e non richiede ri-addestramento.
• Scalabilità: Il paper dimostra anche l'integrazione con meccanismi di routing per scenari multi-categoria, mantenendo le prestazioni elevate.

5. Significato e Impatto

Il lavoro di StructCore è significativo perché offre una soluzione "drop-in" (integrabile immediatamente) per migliorare l'affidabilità dei sistemi di ispezione industriale.

• Supera i limiti del Max Pooling: Dimostra che la decisione di accettazione/rifiuto di un'immagine non dovrebbe basarsi su un singolo pixel "caldo", ma sulla struttura complessiva della distribuzione delle anomalie.
• Indipendenza dal Training: Essendo training-free, può essere applicato a qualsiasi pipeline UAD esistente senza costi aggiuntivi di addestramento o ri-calibrazione complessa.
• Robustezza: Migliora la capacità di rilevare difetti sottili o distribuiti che il max pooling tende a perdere, colmando il divario tra la qualità delle mappe di anomalia (spesso elevate grazie ai moderni Transformer) e la qualità della decisione finale.

In sintesi, StructCore rappresenta un avanzamento fondamentale nella fase di post-processing delle anomalie, trasformando la decisione da una semplice estrazione del massimo a una valutazione strutturale più sofisticata e robusta.