一种融合全局与局部信息的掩码反向知识蒸馏方法用于图像异常检测
计算机视觉与模式识别
2025-12-18 v1
摘要
知识蒸馏是一种有效的图像异常检测与定位方案。然而，该方案的一个主要缺陷是容易过度泛化，主要原因在于输入信号与监督信号之间的相似性。为了解决这一问题，本文提出了一种名为掩码反向知识蒸馏（MRKD）的新技术。通过采用图像级掩码（ILM）和特征级掩码（FLM），MRKD将图像重建任务转化为图像恢复任务。具体而言，ILM通过区分输入信号与监督信号来捕获全局信息。另一方面，FLM引入合成特征级异常，以确保所学表示包含充分的局部信息。通过这两种策略，MRKD具备更强的图像上下文捕获能力，且不太容易过度泛化。在广泛使用的MVTec异常检测数据集上的实验表明，MRKD取得了令人瞩目的性能：图像级98.9% AU-ROC、像素级98.4% AU-ROC和95.3% AU-PRO。此外，大量消融实验验证了MRKD在缓解过度泛化问题上的优越性。
引用
@article{arxiv.2512.15326,
title = {A Masked Reverse Knowledge Distillation Method Incorporating Global and Local Information for Image Anomaly Detection},
author = {Yuxin Jiang and Yunkang Can and Weiming Shen},
journal= {arXiv preprint arXiv:2512.15326},
year = {2025}
}