合成による異常検知：オフロードナビゲーションのための生成拡散モデルを用いた異常検出

- オフロード・非構造環境を走行するロボット向けの、pixel-wise な anomaly detection 手法 - 入力画像に対し generative diffusion model で anomaly を除去した edited image を合成し、どの画像領域が変更されたかを解析して anomaly を検出する analysis-by-synthesis アプローチ - OOD データの性質について仮定を置かない点を特徴とする - 学習済み vision-language foundation models を組み合わせ、learned feature space 上で pixel を比較して意味のある編集を検出する

- OOD データの性質に関する仮定を置かずに pixel-wise anomaly detection を行う点が特徴 - 提案する editing は purely test-time であり、retraining や fine-tuning を必要とせず既存ワークフローに統合可能 - guided diffusion の新たな inference 手法を提案し、ideal guidance gradient を解析して guidance gradient を diffusion model 自身で予測する原理的近似を導出 - 具体的な先行研究との定量的比較は要旨からは不明

- 入力画像から generative diffusion model により anomaly を除去した edited image を合成し、元画像と比較して変更された image segments を anomaly として検出 - guided diffusion の新 inference: ideal guidance gradient を解析し、diffusion model を bootstrap して guidance gradient を予測する原理的近似を導出 - 編集は test-time のみで動作し、再学習・微調整が不要 - vision-language foundation models を組み合わせ、learned feature space 上で pixel 比較を行い意味的に有意な編集を検出

- 要旨からは不明（オフロードナビゲーション向けの anomaly detection に有効であると述べるが、具体的なデータセット・実験設定・評価指標は記載なし） - プロジェクトページが示されているのみ

- 要旨からは不明（limitation や議論の詳細は記載なし） - OOD の性質に仮定を置かない設計や test-time 適用可能性が主張されている

- 要旨で参照・比較されている個別研究は明示されていない - 関連手法として generative diffusion model、guided diffusion、vision-language foundation models の各文献を挙げる - 同分野の定番として OOD detection、pixel-wise anomaly detection（例: 再構成ベース手法）関連の論文を挙げる