1. どんなもの？

• Pretrained Modelを用いた異常検知モデル
• CFLOW-ADを改良した2DFlowで密度推定を行うことで異常度を算出する

2. 先行研究と比べてどこがすごい？

• Feature Extractorとして，ViTを採用
  • 局所的情報と大域的情報を考慮したFeature Mapを利用可能
• 2D FlowでFeature Map全体の情報を用いて密度推定
  • CFLOW-ADはFeature Mapのポジション毎のベクトルを入力とし，NFで密度推定していた

3. 技術や手法の"キモ"はどこ？

Feature Extractor

• ViTを採用
  • 局所的情報と大域的情報を考慮したFeature Mapを利用可能
  • Feature MapはPyramidではなく，特定の1つの層のFeature Mapを利用

2D Flow

• Feature Mapに対して，Conv層を繰り返すNF

  • RealNVPやGLOWから，Multiscaleアーキテクチャを抜いたような感じ

• NFの尤度関数は定番のこれ

  • $x = z_k $ ： 入力データ
  • $ f_k $ ： 変換関数
  • $ z_k = f_k(z_{k-1})$

• 変換関数を図の(b)のようにする．数式は以下

  • $s(y_a)$，$b(y_b)$がConvReLUConvの出力をSplitしたもの
  • 以下の数式を2回適用すると，図(b)と等価になる
    

4. どうやって有効だと検証した？

• MVTec ADに対して実験

  • Image-level AUROCでSoTA更新
  • CFLOW-ADよりも高速

• BTADでも実験

• Feature Extacorによる比較

5. 議論はあるか？

• なぜGlowを使ってないのか？

6. 次に読むべき論文はある？