Jun, 2024
RAD: 基于图像异常检测鲁棒性的全面数据集
RAD: A Comprehensive Dataset for Benchmarking the Robustness of Image Anomaly Detection
Yuqi Cheng, Yunkang Cao, Rui Chen, Weiming Shen
TL;DR该研究介绍了一个具有自由视角、不均匀光照和模糊数据集的鲁棒异常检测（RAD）。RAD 旨在通过模拟真实世界的检查场景，重现各种成因的图像噪声，例如视角变化、不均匀光照和模糊效果，以识别工作平台上的异物。在 RAD 上评估和分析了 11 种最先进的无监督和零样本方法。研究结果表明：1）视角、光照和模糊度的变化以不同程度影响异常检测方法；2）依赖于存储器库并辅助合成异常的方法具有更强的鲁棒性；3）有效利用基础模型的通用知识是提高异常检测方法鲁棒性的一个有前途的途径。