arXiv · 机器人与计算机视觉· Shrey Patel·· 2 天前AI 评分28
Defect-Aware MAE 实现钢铁表面缺陷无监督聚类
Defect-Aware Masked Autoencoders for Unsupervised Clustering of Steel Surface Defects
AI 导读
Defect-Aware Masked Autoencoders(Defect-Aware MAE)通过纹理能量掩码与 HOG 描述符重构,在无标签图像上实现钢铁表面缺陷聚类。该方法在 NEU DET 测试集达到 98.6% 匈牙利匹配准确率及 0.968 NMI,优于 SimCLR 基线且无需对比损失或检测分支。论文已接受发表于 IVCNZ 2026,代码与权重暂未提及开放许可。
来源:arXiv · 机器人与计算机视觉 · arxiv.org