zero-shot anomaly detection | BriefGPT

关键词zero-shot anomaly detection

搜索结果 - 6

FiLo: 通过细粒度描述和高质量定位实现零样本异常检测
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-L
PDF2 months ago
VisionGPT: 基于 LLM 辅助的实时异常检测用于安全视觉导航
利用 Yolo-World 目标检测模型和专门的提示，本文探讨了大型语言模型（LLMs）在零样本异常检测中的潜力，实现了识别摄像头捕获帧中的异常并生成简洁的音频描述，从而在复杂环境中协助安全的视觉导航。此外，本文还探讨了不同提示组件的性能贡
PDF3 months ago
CLIP-AD：语言导向的分层双路径零样本异常检测模型
本文介绍了一种利用大型视觉语言模型 CLIP 的零样本异常检测方法 CLIP-AD，采用语言引导策略，通过引入 Staged Dual-Path 模型来解决相似度计算、关键特征、文本与图像特征等问题，进一步引入线性层进行 fine-tuni
PDF8 months ago
AnomalyCLIP: 面向对象无关的零样本异常检测的提示学习
AnomalyCLIP 通过学习无关物体的文本提示来捕捉图像中的通常和异常，从而实现了对高度多样的物体数据集进行广义正常性和异常性识别的零样本卓越性能。
PDF8 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
使用 CLIP 的随机词数据增强技术进行零样本异常检测
提出了一种利用视觉 - 语言模型 CLIP 作为零样本异常检测的数据源的新方法，通过在滑动窗口方式下对图像的每个部分应用提示引导分类，通过生成文本嵌入来训练前馈神经网络，从 CLIP 的嵌入中提取正常和异常特征，实现了无需训练图像的无类别异
PDF10 months ago