技術要約：分布シフトを伴う産業用異常検知のためのSPARC

問題提起

ビジョンベースの産業用異常検知器は、通常、凍結された学習済みエンコーダと、正常画像に適合させた検知器に依存しており、訓練時とデプロイ時の分布が一致していることを前提としている。実際には、デプロイメントにおいては、照明、固定具の配置、センサー特性、または物体のポーズの変化といったシフトが発生する。これらのシフトは、ベンチマークでの性能と現場の実態との間に大きな乖離を生じさせ、本来高精度な検知器の性能を著しく低下させる。

新しいロットへの適応は自然な対応であるが、ラベル付きの異常データは極めて少ない。既存の適応手法は、このフューショット（few-shot）設定において重大な限界に直面している：

• テスト時のファインチューニングは、バックプロパゲーションとハイパーパラメータの調整を必要とし、希少な正常サンプルへの過学習のリスクを伴う。
• プロンプトベースの手法は、視覚言語バックボーンを必要とし、プロンプト固有のデザイン選択を導入することになる。
• 検知器固有のキャリブレーションは、しばしば検知器固有のデザイン選択を必要とし、どの特徴量の変動を除去すべきかを決定するための、原理に基づいたデータ駆動型の手法を欠いている。
• グローバルな補正（例：固定された平均オフセット）は、画像ごとに方向や大きさが変化する画像依存のノイズ（nuisance）を捉えることができない。

手法：SPARC

著者らは、凍結されたエンコーダと凍結された既製品の異常検知器の間に挿入される、軽量で閉形式（closed-form）の補正モジュールであるSPARC（Subspace Position-Aware Robust Few-Shot Calibration）を提案する。SPARCは、勾配更新、重み更新、または検証に基づくチューニングを行うことなく動作する。

基本的な仮定

SPARCは、分布シフトを**セルごとの加法的ノイズ（additive per-cell nuisance）**としてモデル化する。デプロイメント画像の空間セル $(i, j)$ における特徴量 $f^{(\ell)}_{i,j}$ は、次のようにモデル化される：
$$f^{(\ell)}_{i,j} = f^{\text{train}}_{i,j} + \eta^{(\ell)}_{i,j} + \epsilon^{(\ell)}_{i,j}$$
ここで、$f^{\text{train}}_{i,j}$ は標準的な訓練特徴量であり、$\eta^{(\ell)}_{i,j}$ は低次元部分空間 $S_{i,j}$ に制約された画像依存のノイズ、$\epsilon$ は残差変動である。重要な点は、ノイズが固定されたオフセットではなく、低次元の部分空間としてモデル化されており、かつ空間セルごとに変化することを許容している点である。

アルゴリズム

検証済みの正常なキャリブレーション画像 $k \le 8$ 個が与えられた場合：

1. セルごとの部分空間推定: エンコーダのネイティブなパッチグリッド上の各セル $(i, j)$ について、$k$ 個のキャリブレーション特徴量を行列 $X_{i,j}$ としてスタックする。各セルの平均 $\bar{\mu}_{i,j}$ を計算し、中心化された行列 $\tilde{X}_{i,j}$ を形成する。
2. SVDと投影: $\tilde{X}_{i,j}$ に対して簡約特異値分解（Reduced SVD）を実行する。著者らは、保持された検証セットを必要とせずに、すべての非ゼロの不一致方向を保持するために、代数的飽和ランク（algebraic saturation rank） $r = k-1$ を採用している。得られた基底ベクトルは、推定された不一致部分空間 $\hat{S}_{i,j}$ を生成する。
3. 補正: テスト特徴量 $f^{\text{test}}_{i,j}$ に対して、その偏差のうち推定された部分空間内に存在する成分を除去する：
   $$f^{\text{corr}}_{i,j} = f^{\text{test}}_{i,j} - V_{i,j}V_{i,j}^\top (f^{\text{test}}_{i,j} - \bar{\mu}_{i,j})$$
   ここで、$V_{i,j}$ は上位 $r$ 個の右特異ベクトルを含む。
4. 統合:
   • 参照ベースの検知器（例：PatchCore, PaDiM）の場合、補正はキャッシュされた訓練特徴量（リファレンスを再構築するため）とテスト特徴量の両方に対称的に適用される。
   • 参照フリーの検知器（例：MuSc）の場合、補正はテスト特徴量にのみ適用される。
   • CLSデカップリングされた検知器（例：AnomalyCLIP）の場合、補正はピクセルレベルのスコアリング（AU-PRO）に使用されるパッチ特徴量にのみ適用され、画像レベルのスコア（Image AUROC）は変更されない。

主な貢献

1. SPARCの導出: わずかな数の検証済み正常画像（$k \le 8$）のみを使用して、凍結された異常検知器をキャリブレーションする、勾配を用いない閉形式のセルごとの補正。
2. 広範な評価: 4つのデータセット（MVTec AD 2, AeBAD-S, VisA, RAD）および9つの検知器構成にわたる評価を行い、エンジニアリングされたシフト下での大幅な向上と、その他のケースにおける混合した結果を示した。
3. アブレーションと比較: フューショットのベースライン（FastRecon, FastRef）、グローバルな特徴量アライメント（CORAL）、およびバッチ正規化適応との制御された比較。アブレーションにより、セルごとの部分空間構造および飽和ランク $r=k-1$ の選択の必要性を確認した。

実験結果

論文では、Image AUROCおよびAU-PRO0.3（FPR 0.3までのPer-Region Overlap曲線の下の面積）に関する結果を報告している。

• シフトの影響を受けやすいベンチマーク (MVTec AD 2, AeBAD-S): SPARCは、補正されたパッチ特徴量に画像スコアが依存する7つの検知器において、プールされたImage AUROCを**+13.8パーセントポイント (pp)、AU-PRO0.3を+3.5 pp**向上させた。これらの利得は、Holm補正後も統計的に有意である。
  • 特筆すべき個別の利得として、MVTec AD 2におけるMuSc (+33.1 pp Image AUROC)、PaDiM (+21.7 pp)、SubspaceAD (+14.9 pp) が挙げられる。
• シフトのないベンチマーク (VisA, RAD): 変化は小さく混合しており、一部の検知器では無視できる、あるいはわずかに負の影響が見られた。これは、SPARCが整列された分布において性能を著しく低下させないことを示している。
• 比較:
  • SPARCは、同じ $k=8$ のキャリブレーション画像を与えられた場合、CORAL（グローバルな二次モーメントアライメント）およびバッチ正規化適応コントロールを大幅に上回る。
  • SPARCを装備した検知器は、シフトの影響を受けやすいベンチマークにおいて、専用のフューショットベースライン（FastRecon, FastRef）と同等またはそれを上回る性能を示す。
• 堅牢性:
  • キャリブレーションサイズ: シフトの影響を受けやすいベンチマークにおいて、利得は一般に $k$ とともに増加する。
  • 汚染: 方法論は、画像レベルの検知において、最大3/8の汚染されたキャリブレーション画像（正常と誤ラベル付けされた異常）に対して堅牢である。ただし、ローカリゼーション（局在化）はより早く劣化する。
  • バックボーン: SPARCは、MVTec AD 2における8つの異なるエンコーダバックボーン（ResNet, ConvNeXt, DINOv2, CLIPなど）にわたって性能を向上させる。

意義と主張

本論文は、SPARCが、除去すべきノイズの変動と、判別的な異常信号を保持することの間のトレードオフに対処し、デプロイメント時の正常画像のみから推定されるセルごとの不一致部分空間に除去を限定することで、この問題に対処すると主張している。

• メカニズム: 利得は、グローバルな部分空間や平均のみの補正では同様の結果が得られないことから、単なるキャリブレーション画像によるものではなく、セルごとの部分空間構造によるものであることが示されている。
• 実用性: SPARCは勾配、重み更新、および検証セットを必要としないため、ラベル付きの異常が利用できない産業現場での「プラグアンドプレイ」のデプロイに適している。
• 限界: 著者らは、SPARCは空間的に整列されたパッチ特徴量を必要とすること、および、ロット内の不一致が除去可能なデプロイメントのノイズではなく、本質的な正常の変動や欠陥信号を反映している場合には有害になり得ることを指摘している。本手法は、シフトの影響を受けやすいベンチマーク（MVTec AD 2など）が、セルごとの部分空間で捉えることのできる顕著な分布シフトを示す場合に最も効果的である。

結論として、SPARCは、除去すべき特徴量の変動を決定するための、原理に基づいたデータ駆動型のアプローチを提供し、既存の適応手法のような計算コストやデータのコストをかけることなく、分布シフト下での産業用異常検知器の再キャリブレーションに対する堅牢なソリューションを提供する。