1. どんなもの?

オートエンコーダで再構成して異常と判断された領域をマスキングして再構成、ということを繰り返すことで再構成品質を向上させた

2. 先行研究と比べてどこがすごい？

生成器(オートエンコーダ)は自由形式のマスクを付与した画像を復元し、識別器をだますように学習
$L_G = -E_{x \sim P_{data}(x),M \sim P(M)}\big[D^{sn}\big(G(\hat{x} = M \otimes x, M)\big)\big]$
識別器は元画像とマスク付与して復元した画像を見分けるように学習
$L_D = E_{x \sim P_{data}(x)}\big[ReLU\big(1-D^{sn}(x)\big)\big] + E_{x \sim P_{data},M \sim P(M)}\big[ReLU \big(1+D^{sn} \big(G(\hat{x} = M \otimes x, M)\big)\big)\big]$

概要
最初は市松模様の行列マスクを付与して生成器で再構成
再構成画像と元画像のSSIMをとり、SSIMが閾値$u$以上のものをマスクにする
$M_i = \begin{cases} 1 & \textrm{if} & a_i(x) \geq u \newline 0 & \textrm{otherwise} \end{cases}$
$a\_i = SSIM(x\_0,\tilde{x}\_i)$
$\tilde{x}\_i = G(\tilde{x}\_{i-1}, M\_{i-1})$
そのマスクを元画像に付与したものを生成器で再構成
そしてSSIMでマスクをつくる
この動作を反復する
マスク領域を前回と比較し小さければ早期終了
N回繰り返したマスク$M_N$を異常検知に使用

Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, and Alexei A Efros. Image-to-image translation with conditional adversarial networks. In Proceedings ofthe IEEE conference on computer vision and pattern recognition, pp. 1125–1134, 2017.
- pix2pix
Jiahui Yu, Zhe Lin, Jimei Yang, Xiaohui Shen, Xin Lu, and Thomas S Huang. Generative image inpainting with contextual attention. In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 5505–5514, 2018.
Jiahui Yu, Zhe Lin, Jimei Yang, Xiaohui Shen, Xin Lu, and Thomas S Huang. Free-form image inpainting with gated convolution. In Proceedings ofthe IEEE International Conference on Computer Vision, pp. 4471–4480, 2019