Bernardo Perrone Ribeiro氏らは2026年10月23日(現地時間)、arXiv cs.CVを通じて、少量データ異常検知（Few-Shot Anomaly Detection）における新手法「Flownomaly」に関する論文を発表した。この手法は、DINOv2特徴空間において正常な対応物を回復する問題として異常検知を定式化し、条件付きフローマッチングを用いることで、単一ステップでのクエリトークン回復を実現する。MVTec-ADやVisAといった主要ベンチマークで最先端の性能を達成し、特に1-shot設定での画像レベルおよびピクセルレベルAUROCで高い数値を記録した。
従来の一般的なアプローチは、保存された模範例に推論を縛り付けたり、厳密な線形構造を課したり、異常な内容を再現するリスクがあった。Flownomalyはこれに対し、凍結されたDINOv2特徴空間内で正常な対応物を回復する問題として、少量データ産業異常検知を捉え直す。この手法では、正常なサポートが与えられた場合、凍結されたパッチトークン上で条件付きフローマッチングを通じて速度場が学習され、ガウスノイズを正常な特徴量へと輸送する。
直線経路に沿って、最適な場の1回の評価を用いる単一の回復ステップにより、軌跡積分なしでクリーンな正常トークンの事後平均が得られる。操作時間は、クエリトークンをどの程度強く回復が変更するかを決定する。チューニングに利用できる異常な検証サンプルがない場合でも、正常なデータのみに基づくヤコビアンのゲイン対ノイズ基準により、この時間がサポート単独から選択される。
クエリトークンとそれらの回復された対応物との間の二乗残差が、密な位置特定と画像レベルの検出の両方で異常信号を生成する。この研究は、MVTec-ADおよびVisAにおける1-shot、2-shot、4-shotベンチマーク、ならびにReal-IADでのサンプルショット評価において、最近のカテゴリ特化型手法と比較して最先端の性能を達成した。具体的には、1-shot設定において、画像レベルおよびピクセルレベルのAUROCはMVTec-ADでそれぞれ97.8%と98.0%、VisAで95.3%と98.7%に達した。VisAにおいては、最強のベースラインと比較して画像レベルAUROCで2.1ポイントの改善が見られた。この成果はWACV 2027に採択されており、関連コードはGitHubで公開されている。
参考: arXiv cs.CV (アーカイブ) — 2026年10月24日 02:53 (JST)
原文ハイライト"Flownomaly achieves state-of-the-art performance against recent category-specific methods."