视觉异常检测综述：挑战、方法与前景
计算机视觉与模式识别
2024-01-30 v1 人工智能
摘要
视觉异常检测（Visual Anomaly Detection, VAD）致力于识别视觉数据中偏离正常概念的异常，广泛应用于工业缺陷检测和医疗病灶检测等多个领域。本综述通过确定三个主要挑战全面考察了 VAD 的最新进展：1) 训练数据稀缺，2) 视觉模态多样性，以及 3) 层次化异常的复杂性。从 VAD 背景及其通用概念定义的简要概述开始，我们逐步从样本数量、数据模态和异常层次的角度对最新的 VAD 进展进行分类、强调和讨论。通过对 VAD 领域的深入分析，我们最后总结了 VAD 的未来发展方向，并归纳了本综述的关键发现与贡献。
引用
@article{arxiv.2401.16402,
title = {A Survey on Visual Anomaly Detection: Challenge, Approach, and Prospect},
author = {Yunkang Cao and Xiaohao Xu and Jiangning Zhang and Yuqi Cheng and Xiaonan Huang and Guansong Pang and Weiming Shen},
journal= {arXiv preprint arXiv:2401.16402},
year = {2024}
}
备注
Work in progress. Yunkang Cao, Xiaohao Xu, and Jiangning Zhang contribute equally to this work