anomaly localization | BriefGPT

关键词anomaly localization

搜索结果 - 10

Holmes-VAD: 通过多模态 LLM 实现无偏和可解释的视频异常检测
提出 Holmes-VAD，一种新颖的框架，利用精确的时间监督和丰富的多模态指令，实现准确的异常定位和全面的解释。
PDF16 days ago
CVPRLogicAL：面向无监督异常定位的逻辑异常合成
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
PDF2 months ago
通过适应预训练视觉语言模型进行异常检测
我们提出了一个统一的框架 CLIP-ADA 用于通过适应预训练 CLIP 模型进行异常检测，在这个框架中，我们通过引入可学习的提示，并通过自监督学习将其与异常模式关联起来，从而获得多类别工业图像上的统一异常检测，并且通过引入异常区域细化策略
PDF4 months ago
基于知识驱动的自我训练的重建式异常定位
本文提出了一种名为知识驱动自训练（KIST）的新型重建方法，通过自学习将知识融入重建模型中，利用弱标记的异常样本和领域专家总结的异常知识，生成像素级伪标签，实现对正常像素的重建同时抑制异常像素的重建，从而在异常定位任务中取得比现有重建方法更
PDF4 months ago
基于片段异常关注的弱监督视频异常检测
通过提出基于异常注意力的弱监督异常检测方法，该研究在涉及未剪辑视频中的异常事件方面表明了提取关键特征的有效性，并通过多分支监督模块进一步优化视频的异常检测和定位。
PDF9 months ago
AnoVL：面向统一零样本异常定位的视觉语言模型适应
使用 Contrastive Language-Image Pre-training (CLIP) 模型进行零样本异常检测，通过学习自然语言监督下的视觉表示，构建文本提示与全局图像级别表示之间的对应关系，采用训练自由的价值关注机制提取 CL
PDF10 months ago
MSFlow: 无监督异常检测的多尺度流式框架
无监督异常检测中，使用没有任何异常信息的仅限正常样本进行训练的流模型，能够有效地区分可预测和不可预测的异常数据，而针对不同大小变化的异常数据，我们提出了一种名为 MSFlow 的新型多尺度流模型框架，能够在图像级别和像素级别进行异常检测和定
PDF10 months ago
可靠的图像异常定位的协同差异优化
本文提出了一种协同差异优化（CDO）方法，借助合成异常协同优化正常和异常特征分布以减轻过度泛化。CDO 引入了一个边缘优化模块和一个重叠优化模块来优化决定定位性能的两个关键因素，即正常和异常样本的差异分布（DDs）之间的边缘和重叠。通过 C
PDFa year ago
CFA: 基于耦合超球特征适应的目标导向异常定位
提出了 Coupled-hypersphere-based Feature Adaptation (CFA) 方法，它通过特征自适应到目标数据集来实现对异常数据的准确定位及区分，CFA 采用可学习的补丁描述符和可扩展的内存库，结合预训练 C
PDF2 years ago
ECCV图像中的注意力导向异常定位
使用卷积对抗变分自编码器与引导注意力和注意力扩张损失的方法，可在无监督和弱监督低异常样本下精确定位异常区域，结果表明 CAVGA 在几个测试数据集上优于目前最先进的异常检测方法。
PDF5 years ago