跳到正文
arXiv · 机器人与计算机视觉· Kaisong Ji, Ziyang Xu, Chang Bian, Yu Zhou, Wenyu Liu, Xinggang Wang·· 20 天前精选AI 评分78

Cross-Encoder Anchor Refinement 用于零样本异常检测

Cross-Encoder Anchor Refinement for Zero-Shot Anomaly Detection

AI 导读

该研究提出了 Cross-Encoder Anchor Refinement (CEAR) 方法,旨在将异常判别从辅助训练域迁移到未见类别并定位细微缺陷。该方法在构建原型前连接同一图像的两种视觉编码路径:利用预训练的工业产品识别卷积编码器建立图像特定记忆,通过交叉注意力让空间锚点查询该记忆并进行残差细化;随后用图像条件化的正常和异常查询门控锚点聚合以构建原型进行评分。

推荐理由

提出跨编码器锚点细化方法,在工业与医疗数据集上实现零样本异常检测性能领先。

来源:arXiv · 机器人与计算机视觉 · arxiv.org