Apr, 2024
FiLo: 通过细粒度描述和高质量定位实现零样本异常检测
FiLo: Zero-Shot Anomaly Detection by Fine-Grained Description and High-Quality Localization
Zhaopeng Gu, Bingke Zhu, Guibo Zhu, Yingying Chen, Hao Li...
TL;DR零样本异常检测 (ZSAD) 方法通过无需已知目标项类别内的任何正常或异常样本来直接检测异常。我们提出了一种名为 FiLo 的新颖 ZSAD 方法，它包括两个组件：自适应学习的细粒度描述 (FG-Des) 和位置增强的高质量定位 (HQ-Loc)。FG-Des 利用大型语言模型 (LLMs) 引入了每个类别的细粒度异常描述，并使用自适应学习的文本模板来提高异常检测的准确性和可解释性。HQ-Loc 利用 Grounding DINO 进行初步定位，采用位置增强的文本提示和多尺度多形状跨模态交互 (MMCI) 模块，促进了不同尺寸和形状的异常的更精确定位。在 MVTec 和 VisA 等数据集上的实验结果表明，FiLo 在检测和定位方面显著改善了 ZSAD 的性能，在 VisA 数据集上实现了 83.9% 的图像级 AUC 和 95.9% 的像素级 AUC。