Auditable transactional prequential adaptation for visual anomaly localization under unknown stream contamination

Resumo Técnico: Adaptação Prequencial Transacional Auditável para Localização de Anomalias Visuais

Formulação do Problema
O artigo aborda o desafio da localização de anomalias visuais em um ambiente de streaming online, onde o ambiente de implantação está sujeito a mudanças de distribuição desconhecidas e contaminação não rotulada (defeitos). Métodos adaptativos tradicionais enfrentam um dilema causal e de evidência: para atualizar um modelo, é necessário processar uma imagem, mas se essa imagem contiver um defeito, atualizar o modelo com base nela pode fazer com que o sistema "esqueça" ou falhe em detectar defeitos semelhantes posteriormente. Inversamente, se o sistema atualizar com base em mudanças benignas, ele pode sofrer deriva (drift).

A dificuldade central não reside apenas em como atualizar, mas em como verificar o que foi medido. O autor argumenta que as descrições padrão de "treinar-adaptar-testar" frequentemente obscurecem o tempo das atualizações em relação às predições. Se uma imagem é usada para adaptação antes de sua predição ser registrada, o escore reportado torna-se retrospectivo. Além disso, muitos métodos de "memória limitada" falham ao não contabilizar estados ocultos, como caches legíveis ou cópias de rollback não relatadas, violando efetivamente suas restrições de memória declaradas.

O artigo define este cenário como um contrato prequencial de primeira chegada:

1. Ordenação: No evento $t$, o localizador deve ler o estado pré-evento, emitir uma predição (escore e mapa de patches) e selar essa saída antes de decidir se o evento influencia o modelo.
2. Privacidade: A verdade fundamental (ground truth), máscaras e eventos futuros estão ocultos do tempo de execução (runtime).
3. Contabilidade: Cada byte de estado futuro-legível deve ser contabilizado, incluindo snapshots necessários para reversibilidade.

Metodologia: BSPAL
O autor instancia este contrato em um método de linha de base chamado BSPAL (Bounded State Prequential Anomaly Localization). A arquitetura é deliberadamente simples para garantir a inspetabilidade:

• Representação: Um codificador DINOv2 ViT-S/14 congelado gera descritores de patches. O sistema utiliza duas visões fixas (identidade e ajuste de brilho) para computar mapas de anomalia baseados na distância média ao vizinho mais próximo de um banco de origem ($A_0$) e um banco adaptativo ($A_t$).
• Admissão Calibrada pela Origem: Um estatístico derivado apenas do banco de origem congelado ($A_0$) determina se um evento é admitido ao processo adaptativo. Isso impede que o banco adaptativo influencie seu próprio portão de admissão.
• Adaptação Transacional:
  • Quarentena: Eventos admitidos são comprimidos em resumos de mediana de coordenadas e armazenados em uma fila FIFO de quarentena.
  • Proposta: Uma vez que a quarentena detém entradas suficientes, um novo protótipo é proposto via mediana de coordenadas.
  • Commit & Provação: Um snapshot completo do estado pré-commit é armazenado. O novo protótipo é confirmado (committed) atomicamente, entrando em um período de provação de 16 eventos.
  • Rollback: Se o estatístico baseado apenas na origem exceder um limite alto por três eventos consecutivos durante a provação, o sistema aciona um rollback, restaurando o snapshot exato pré-commit. O mecanismo de rollback é cobrado contra o mesmo orçamento de memória dos protótipos adaptativos, garantindo que nenhum uso de memória auxiliar "gratuito" seja utilizado.
• Limitação de Estado: O estado persistente é estritamente limitado por capacidades fixas (ex: 32 protótipos no banco adaptativo, 64 entradas na quarentena, 1 snapshot), independente do comprimento do stream.

Principais Contribuições
As contribções do artigo são explicitamente limitadas à definição do contrato, à implementação da regra transacional e à integridade da cadeia de evidências:

1. Contrato de Primeira Chegada: Uma definição formal para fluxos de anomalias visuais não rotulados que combina um estimando visível ao avaliador com um limite rigoroso de informação de tempo de execução e contabilidade de pico de bytes para todo o estado futuro-legível.
2. Adaptação Transacional Limitada: Uma regra que estabelece quatro propriedades:
   • Tamanho de estado persistente constante, independentemente do comprimento do stream.
   • Predição de primeira chegada causal (a predição depende apenas do estado pré-evento).
   • Um limite de mediana de coordenadas local para propostas (sob a suposição de uma população majoritariamente normal).
   • Restauração exata da visão da transação após o rollback.
3. Integridade do Protocolo e Disciplina de Evidência: O autor mapeia o contrato para oráculos executáveis (ex: cadeias de hash, invariância de prefixo, troca de verdade) para verificar a implementação do software. Crucialmente, eles reportam uma falsificação de integridade de protocolo: uma auditoria pós-selagem do benchmark VisA revelou que a divisão de papéis (treinamento vs. teste) falhou em isolar instâncias físicas e duplicatas próximas.

Resultados e Evidência
O artigo apresenta uma separação estrita entre traços de engenharia e alegações de eficácia:

• Contabilidade de Estado: Uma reconstrução de leitura apenas de 945 registros de execução confirmou que todas as execuções permaneceram abaixo do limite de estado persistente configurado de 32 MiB (máximo observado: ~1,18 MB). Isso valida a afirmação de estado limitado.
• Latência: A latência direta por evento não foi medida; portanto, nenhuma alegação sobre velocidade de inferência é feita.
• Eficácia (Invalidada): O cálculo histórico do benchmark em MVTec AD e VisA é invalidado como um resultado científico. A auditoria encontrou que 20 pares cruzados inspecionados no VisA foram confirmados como correspondências dentro de grupos físicos. Consequentemente, a população não satisfazia o pré-requisito de "grupos disjuntos".
  • O artigo declara explicitamente que nenhuma conclusão de melhoria, segurança ou equivalência de benchmark é extraída dos valores finais (ex: Pixel AUPRO, Image AUPRC).
  • Os resultados históricos são mantidos apenas como um rastro de auditoria para demonstrar a falha do protocolo de admissão da população.

Significância e Alegações
A significância do artigo reside no seu rigor metodológico quanto à integridade do protocolo, em vez de ganhos de desempenho.

• Ordenação Causal: Demonstra que o tempo de adaptação deve ser parte do método medido, evitando pontuações retrospectivas.
• Custo de Reversibilidade: Torna explícito o custo de memória da reversibilidade (snapshots) e comparável, em vez de tratar o rollback como memória auxiliar gratuita.
• Disciplina de Auditoria: O principal achado é que um cálculo reproduzível não é um experimento válido se a população de dados viola os requisitos de isolamento. O autor argumenta que a resposta apropriada a tal falha é preservar o cálculo para fins de rastreabilidade, enquanto retira sua interpretação científica, em vez de excluir linhas seletivamente post-hoc.

O artigo conclui que, embora o contrato transacional e sua implementação limitada sejam sólidos, a questão de saber se a adaptação transacional melhora a localização de primeira chegada sob contaminação oculta permanece sem resposta e requer uma nova execução totalmente admitida com uma população de grupos disjuntos. A contribuição atual é o contrato, a implementação e a disciplina de evidência que distingue bytes reproduzíveis de inferência admissível.