few-shot anomaly detection | BriefGPT

关键词few-shot anomaly detection

搜索结果 - 9

CLIP3D-AD：使用多视角图像生成扩展 CLIP 进行 3D 小样本异常检测
我们在本文中提出了 CLIP3D-AD，一种有效的应用于 3D-FSAD 的方法，通过合成异常图像来实现基于 CLIP 的 3D 异常分类和分割，通过融合多视角图像的特征来加强视觉 - 语言相关性。
PDF7 days ago
AnomalyDINO：使用 DINOv2 提升基于补丁的少样本异常检测
本文探讨了高质量的可视特征是否足以与现有的最先进的视觉语言模型竞争，并通过将 DINOv2 适应于一次性和少量次数的异常检测来证实这一点，重点放在工业应用上。我们表明这种方法不仅能与现有技术竞争，而且在许多情况下甚至能胜过它们。我们提出的仅
PDFa month ago
AnomalyLLM: 动态图中使用大型语言模型进行少样本异常边缘检测
利用大型语言模型的知识，提出了一种名为 AnomalyLLM 的方法，通过与动态图配合使用，进行边缘重编程和上下文学习，实现少样本异常检测，并在实验中取得显著的性能提升和对新异常的优越结果。
PDF2 months ago
CVPRPromptAD: 使用普通样本学习提示的少样本异常检测
提出了一种用于少样本异常检测的单类提示学习方法 PromptAD，在语义拼接和明确异常边界的基础上，通过自动学习提示来改进工业异常检测任务。在 MVTec 和 VisA 数据集的 11/12 个 few-shot 环境中，PromptAD
PDF3 months ago
用于少样本异常检测的双路径频率鉴别器
我们从频域角度提出了 Dual-Path Frequency Discriminators (DFD) 网络，用于解决少样本异常检测中的问题，并通过鉴别分类模块在特征空间中检测和定位图像级别和特征级别的异常，实验证明我们的方法超过了现有的最
PDF4 months ago
COFT-AD：对少样本异常检测的对比微调
在本研究中，我们提出了一种新的方法来解决少样本异常检测（FSAD）的挑战，该方法包括使用预先训练的模型初始化权重，采用对比性训练来优化少样本领域数据，以及使用正样本对齐和负样本分离等技术来学习适合于异常检测的表示。我们对 3 个受控异常检测
PDF4 months ago
一次制作，两次利用的异常检测
POUTA 是一种用于视觉异常检测的方法，通过利用重构网络中的判别信息潜力，提高了准确性和效率，并且能够精确定位异常区域。
PDF6 months ago
为少 / 多样本异常检测优化 PatchCore
研究表明对 PatchCore 算法进行超参数优化和迁移用于少样本异常检测及异常分割可以显著提高其性能，并提出了对具有强归纳偏差的特征提取器的研究作为未来的潜在方向。
PDFa year ago
ECCV基于注册的少样本异常检测
本文提出一种少样本异常检测方法，通过注册任务作为代理任务，训练一个通用的无类别模型来检测输入图像是否为异常，并在大型基准测试中实现了优于现有方法 3％-8％的表现。
PDF2 years ago