本研究介绍了一种用于逻辑异常检测的新型组件分割模型，利用少量的标记样本和共享逻辑约束的未标记图像。通过采用直方图匹配损失和熵损失来确保未标记图像上的一致分割，提出了增强局部和全局样本有效性检测的方法，并通过三个记忆库 (类别直方图、组件构成嵌入和块级别表示) 捕捉视觉语义的关键方面。为了有效检测逻辑异常，提出了一种自适应缩放策略，以规范不同记忆库中的异常得分。在公共基准 MVTec LOCO AD 上进行的大量实验证明相较于竞争方法的 89.6%，我们的方法在逻辑异常检测中获得了 98.1% 的 AUROC。

Dec, 2023

自动化视觉检测在工业生产线上对于提高产品质量至关重要。异常检测方法是实现此目的的强大工具。此论文介绍了一种包含具有挑战性真实缺陷实例的新型实际工业数据集，并提出了一种基于分割的异常检测器，其在该数据集上表现出先进性能。

May, 2024

这篇论文探讨了工业多模态异常检测任务，利用点云和 RGB 图像来定位异常。我们介绍了一种新颖且快速的框架，它学习将一个模态中的特征映射到另一个模态的正常样本上。在测试时，通过定位观察到的特征和映射特征之间的不一致性来检测异常。大量实验证明，我们的方法在 MVTec 3D-AD 数据集的标准和少样本设置中实现了最先进的检测和分割性能，同时实现了更快的推理速度和更低的内存占用，优于先前的多模态异常检测方法。此外，我们提出一种层裁剪技术，在性能上略有损失的同时提高了内存和时间效率。

Dec, 2023

开发准确快速的异常检测模型是实时计算机视觉应用中的重要任务，本研究关注使用基于特征空间的越界检测方法来检测逻辑异常并在 MVTec LOCO AD 数据集上取得了最先进的性能。

Feb, 2024

通过引入边缘操作的异常合成框架，命名为 LogicAL，本研究提出了一种产生逼真的逻辑和结构异常的方法，填补了现有无监督研究在逻辑约束上的不足，并通过引入边缘重构进一步提高了异常定位性能。在 MVTecLOCO、MVTecAD、VisA 和 MADsim 数据集上进行了广泛实验，验证了 LogicAL 在逻辑和结构异常定位上的优势。

May, 2024

使用一种名为 OmniAD 的新型网络，通过改进逆向蒸馏的异常检测方法，提高了像素级异常检测性能，同时借助新的数据增强策略，即视图综合和相机定位，提高了对未完美对齐图像的泛化能力。通过在多对象数据集 ToyCity 和单对象数据集 MAD 上进行定性和定量结果验证，验证了这种方法的有效性。

Jun, 2024

为了检测任何场景中的逻辑异常，本文提出了 SAM-LAD 框架，它是一个零 - shot、即插即用的框架。通过使用预训练的主干网来获取查询图像的特征图，并通过最近邻搜索检索引用图像及其对应的特征图，然后引入 Segment Anything 模型来获得查询图像和引用图像的对象掩模。使用对象匹配模型和动态通道图注意模块进行对象匹配，最后提出了一种用于检测带有逻辑异常的对象的异常测量模型。实验结果表明，SAM-LAD 在检测逻辑异常方面表现优于现有的先进方法。

Jun, 2024

使用基于概念的异常检测方法和视觉转换器（ViT），Co-AD 能够检测出零售物品中的放错物品，达到 89.90% 的峰值成功率，比基准的标准 ViT 自编码器的 80.81% 高。此研究旨在开发减少零售店铺管理中人为干预需求的自主移动机器人解决方案。

Oct, 2023

在工业制造中，图片异常检测是一个重要的计算机视觉任务，已提出许多高级算法，但其性能存在差异。在本文中，我们首先提出了一个统一的工业制造设置，以评估这些算法在不同方面上的性能表现，然后构建了综合性的图片异常检测基准，该基准包括 16 种算法和 7 个数据集，并提供了深入的实验结果以及面向未来的挑战和方向。

Jan, 2023

基于 3D 点云数据的制造零件表面质量检测吸引了日益增多的关注。我们提出了一种基于 3D 点云数据的新型未训练异常检测方法，用于复杂制造零件，能够在无训练数据的情况下实现准确的异常检测。

Apr, 2024