LIBAD: A Multimodal Anomaly Detection Benchmark for Li-Ion Battery Electrode Manufacturing

技術要約：LIBAD：リチウムイオン電池電極製造のためのマルチモーダル異常検知ベンチマーク

問題提起

産業用異常検知（IAD）は、従来、RGBと3Dのモダリティが強く相関している離散的なオブジェクト中心の製品に焦点を当ててきました。しかし、ロール・トゥ・ロール生産のような連続プロセス製造は、未だ十分に探索されていません。さらに、既存のマルチモーダル・ベンチマークの多くは、異常がすべてのセンシング・モダリティ間で一貫した証拠を生み出すことを前提としています。この仮定は、モダリティが異なる物理的特性（例：表面の外観 vs バルク密度）を測定する場合、すなわち、あるモダリティでは欠陥が可視化されているが、別のモダリティでは微弱または存在しないという「クロスモーダル異常不一致（cross-modal anomaly inconsistency）」が発生するシナリオにおいては成立しません。

本論文は、LIBADを導入することでこれらのギャップに対処します。LIBADは、リチウムイオン電池電極製造のためのベンチマークです。このデータセットは、2つの重要な課題を浮き彫りにしています：

1. プロセス製造のコンテキスト： 離散的なオブジェクトとは異なり、電極パッチは非常に均質な材料の外観を示すため、微妙なクラス内変動と欠陥を区別することが困難です。
2. モダリティの不一致： 欠陥は可視光（VIS）画像では顕著であっても、X線では不可視である場合、あるいはその逆の場合があります。再構成やRGB-3Dの事前知識（外観と形状の整合性）に依存する既存の手法は、この設定下では苦戦し、正常なモダリティ間の差異を異常と誤認してしまい、高い偽陽性率（FPR）を招くことがよくあります。

手法

著者らは、LIBADにおける正常特徴の分布を扱うために設計された、メモリベースの異常検知手法であるDA-Coreを提案しています。

1. データセット構築 (LIBAD):

• データソース： 実際のロール・トゥ・ロール生産ラインから収集された744個の電極パッチ。
• モダリティ： 空間的に整列した3つのモダリティ：
  • VIS： 両面可視光グレースケール画像（表面の外観）。
  • X-rayH： 高解像度X線透過撮影（ラベル付けおよび分析用にオフラインで使用）。
  • X-rayL： 低解像度インラインX線透過撮影（密度に敏感であり、ベンチマークに使用）。
• 特性： 11種類の欠陥カテゴリ。データセットは、正常なパッチは視覚的に均質であり、欠陥の証拠はモダリティ特異的であることが多いことを強調しています。

2. DA-Core アーキテクチャ:
DA-Coreは、**コアセット選択（coreset selection）**プロセスを修正することで、標準的なメモリベースのアプローチ（PatchCoreなど）を改良しています。

• 特徴抽出： VISおよびX-rayLの入力からパッチレベルの特徴を抽出するために、凍結されたDINOv3 ViT-S/16エンコーダを使用します。
• 密度認識コアセット選択 (DA FPS):
  • 標準的な最遠点サンプリング（Farthest Point Sampling: FPS）は、グローバルなカバレッジを優先しますが、局所的な特徴密度を無視するため、正常な変動の密集したクラスターを過小評価しがちです。
  • DA-Coreは、各特徴に対して$k$近傍に基づく密度スコア（$\rho_i$）を導入します。
  • 選択指標は、現在のメモリバンクへの距離（$r_i$）と局所密度（$\rho_i$）を組み合わせたものです：$q_i = \tilde{r}_i / (1 + \lambda \tilde{\rho}_i)$。
  • この戦略により、メモリバンクが密な正常領域の代表性を保持することを保証し、一般的な正常変動に対する最近傍距離を減少させ、偽陽性を抑制します。
• スコアリングと融合：
  • 各モダリティに対して最近傍マッチングを通じて異常スコアを算出します。
  • 1クラスSVM（One-Class Support Vector Machine）を用いて、VISとX-rayLのスコアを後期融合（late fusion）し、最終的な画像レベルの異常スコアを生成します。

主な貢献

1. LIBAD ベンチマーク： リチウムイオン電池電極製造のための初のマルチモーダルIADベンチマークであり、744個の実世界のサンプル、3つの整列したモダリティ、および11の欠陥カテゴリを備えています。これは、連続プロセス製造およびモダリティ依存の欠陥可視性の課題を明示的に扱っています。
2. 不一致の特性評価： 本論文は「クロスモーダル異常不一致」を特定・分析し、欠陥の証拠は共有されるものではなく、モダリティ特異的であることが多いことを示し、既存のRGB-3D手法の仮定に疑問を投げかけています。
3. DA-Core 手法： 非一様な正常特徴分布から、より代表的なメモリバンクを構築するための密度認識コアセット選択戦略を提案しています。これは、グローバルなカバレッジと局所的な密度表現を明示的にバランスさせます。
4. 包括的なベンチマーク評価： 代表的なマルチモーダルIAD手法（M3DM、CFM、G2SF、CFRを含む）を統一されたプロトコルの下で評価し、LIBADの設定に対するそれらの限定的な転移性を明らかにしました。

結果

• ベースラインの性能： 既存のマルチモーダル手法（VIS+X-rayL用に適合させたもの）は、限定的な転移性を示しました。例えば、G2SFのFPR95は59.5%であり、CFRは68.1%に達し、単一モダルのPatchCore（FPR95 60.4%）をほとんど上回ることができませんでした。再構成ベースの手法は、モダリティ間の相関が弱いため、正常サンプルであっても大きな残差が生じました。
• DA-Core の性能：
  • FPR95： DA-Coreは**54.3%**を達成し、標準的なマルチモーダルPatchCore（60.4%）と比較して6.1ポイント減少しました。
  • 効率性： コアセット比率0.05において、DA-Coreは、最高の標準コアセット結果（比率0.20で取得）を上回る性能を示しながら、推論時間を**43.9%**短縮しました（13.12 ms vs 23.39 ms）。
  • アブレーション解析： 密度重み（$\lambda$）が極めて重要であることが判明しました。$\lambda=0.7$が、カバレッジと密度表現の最適なトレードオフをもたらしました。
• 単一モダル vs マルチモーダル： VISとX-rayLを組み合わせることで単一モダルよりも性能は向上しましたが、主な改善は融合アーキテクチャ自体ではなく、改良されたメモリ構築（DA-Core）によるものでした。

意義と主張

本論文は、LIBADが、データ分布やモダリティの関係性が根本的に異なる連続プロセス製造へと焦点を移すことで、重要な前進を遂げたものであると主張しています。

著者らは、LIBADは依然としてオープンで挑戦的なベンチマークであるとし、最良の手法（DA-Core）であっても、さらなる洗練なしには直接的な産業展開には高すぎる絶対的なFPR95（54.3%）を記録していると述べています。本研究の意義は以下の通りです：

1. プロセス製造のための異常検知手法を設計する際には、データ分布（特に正常特徴の密度）とモダリティの関係（不一致）を明示的に考慮しなければならないことを強調したこと。
2. VISやX-rayのような相関の弱いセンシング・モダリティに適用された際、現在のRGB-3D中心の手法の限界を露呈させる現実的なテストベッドを提供したこと。
3. 実用的かつ効率的な解決策（DA-Core）を提案し、インライン検査システムにおける重要な要件である誤報を減少させることで、電気自動車およびエネルギー貯蔵システムのためのより安全な電池製造に貢献すること。