異常検知（CV）とは
異常検知（Anomaly Detection）とは、画像や映像の中から通常とは異なるパターン（異常）を自動的に検出する技術です。コンピュータビジョンにおける異常検知は、正常なデータのパターンを学習し、そこから逸脱するサンプルを検出するアプローチが主流です。
異常検知の主要手法
画像ベースの異常検知には複数のアプローチがあります。オートエンコーダベースの手法では、正常データで学習したオートエンコーダが異常データを上手く再構成できないことを利用して、再構成誤差が大きいものを異常と判定します。GANベースの手法も同様の原理を使います。事前学習済みモデルの特徴空間を活用する手法としては、PaDiM、PatchCore、CFlow-ADなどがあります。これらは正常データの特徴分布を記憶し、テスト時にその分布から外れるものを異常として検出します。Knowledge Distillation（知識蒸留）ベースの手法も注目されています。
産業応用と課題
異常検知は製造業での外観検査（傷、汚れ、変形の検出）、インフラの点検（建物のひび割れ、パイプの腐食）、食品検査、半導体の欠陥検出などで広く活用されています。MVTecADデータセットが性能評価の標準ベンチマークとして使用されています。実運用では異常データが少ないため、教師なし学習や少数ショット学習の手法が重要です。