AnomalyDINO: DINOv2を活用した革新的なFew-shot異常検出手法

異常検出技術は、工業製品の品質管理や医療画像解析など、さまざまな分野で重要な役割を果たしています。特に、少数の正常データ（Few-shot）しか利用できない状況では、従来の異常検出手法は十分な学習ができず、精度が低下するという課題があります。

本記事では、DINOv2の事前学習済みの視覚特徴を活用し、学習不要（training-free）で即時適用可能な異常検出手法 AnomalyDINO を紹介します。AnomalyDINOは、画像をパッチ単位で解析し、正常データと異なる部分を特定することで、少数の正常サンプルのみで高精度な異常検出を実現します。

https://arxiv.org/abs/2405.14529v2

AnomalyDINOとは

AnomalyDINOは、DINOv2の視覚特徴を活用し、Few-shot環境でも高い異常検出性能を実現する手法です。従来の手法のように大量の正常データを必要とせず、Few-shotのデータのみで即時適用できる点が特徴です。

主な特徴

学習不要（training-free） – 追加のデータやファインチューニングなしで適用可能
画像レベルおよびピクセルレベルの異常検出が可能
MVTec-ADデータセットで1-shot AUROC 96.6%を達成
高速推論（1画像あたり約60ミリ秒）
シンプルな実装で産業応用が容易

従来手法との比較

従来のFew-shot異常検出手法には、以下のような課題がありました。

学習が必要 – 追加のデータやファインチューニングが必須
計算コストが高い – 大規模なネットワークの訓練が必要
異常の特定が難しい – 画像レベルの分類のみで、詳細な異常位置の特定が困難

AnomalyDINOは、DINOv2の事前学習済みの特徴量を活用し、パッチ単位の類似度計算を行うことで、これらの問題を解決します。

パッチ単位の異常検出手法

AnomalyDINOのコア技術は、パッチ間の類似度を基に異常を検出する方法にあります。画像全体の特徴量を学習する従来手法とは異なり、画像を細かいパッチに分割し、各パッチごとの特徴量を用いることで、高精度かつ学習不要な異常検出を実現します。

処理の流れ

正常データのパッチ特徴をDINOv2で抽出
- 画像を小さなパッチ（AnomalyDINOでは14×14ピクセルのパッチを使用）に分割し、それぞれのパッチの特徴量をDINOv2で抽出する。
- 抽出された特徴量は高次元（例えば768次元）であり、画像の構造情報を詳細に保持している。
正常パッチの特徴量をメモリバンクに保存
- Few-shotの正常画像から得られたパッチ特徴量をデータベース（メモリバンク）に保存する。
- メモリバンクは、異常検出時の参照データとして機能し、異常スコアの計算に用いられる。
異常検出時に、テスト画像のパッチをメモリバンクと比較
- テスト画像の各パッチの特徴をDINOv2で抽出し、メモリバンク内の正常パッチと比較する。
- k近傍法（k-NN）を用いて、正常パッチとの類似度を計算し、正常データから大きく逸脱するパッチを異常と判定する。
異常スコアの算出
- コサイン類似度を用いて、各パッチの異常スコアを算出する。
- 画像全体の異常スコアは、異常パッチのスコアの最大値や平均値を基に統合される。