Cet article aborde le problème de la génération d'anomalies en quelques clichés, une solution pratique pour enrichir les données d'anomalies rares dans le domaine du contrôle qualité industriel. Le générateur d'anomalies doit satisfaire simultanément à trois exigences : préserver le fond normal, superposer précisément l'anomalie avec un masque, générer des anomalies à des emplacements sémantiquement valides et générer des apparences réalistes et diversifiées. Les méthodes existantes basées sur la diffusion satisfont au plus deux de ces exigences : les générateurs d'anomalies globaux corrompent le fond, et les générateurs basés sur un masque échouent souvent lorsque le masque est imprécis ou mal placé. Dans cet article, nous proposons la méthode MAGIC (inpainting guidé par masque avec perturbations multi-niveaux et alignement contextuel) pour résoudre ces trois problèmes. MAGIC corrige directement la corruption du fond et les erreurs d'alignement en ajustant finement une structure stable de peinture par diffusion afin de préserver la région normale et de garantir que les anomalies synthétisées sont strictement conformes au masque fourni. Pour compenser la perte de diversité due au réglage fin, MAGIC ajoute deux stratégies de perturbation complémentaires : (i) une perturbation gaussienne au niveau de l'invite appliquée lors du réglage fin et de l'inférence élargit l'apparence globale des anomalies tout en évitant l'apparence de texte de mauvaise qualité ; et (ii) l'injection de bruit spatial par masque enrichit les variations textuelles locales. De plus, un module d'alignement de masques sensible au contexte établit des correspondances sémantiques et réaligne les masques afin de garantir que toutes les anomalies sont raisonnablement contenues dans les objets hôtes, supprimant ainsi les artefacts hors limites. Suivant un protocole d'évaluation identique et cohérent sur l'ensemble de données MVTec-AD, MAGIC surpasse les techniques de pointe existantes.
