基于梯度上升的统一异常合成策略用于工业异常检测与定位
计算机视觉与模式识别
2024-07-15 v1
摘要
异常合成策略可以有效增强无监督异常检测。然而，现有策略在异常合成的覆盖范围和可控性方面存在局限，尤其是对于与正常区域非常相似的弱缺陷。本文提出了Global and Local Anomaly co-Synthesis Strategy（GLASS），一个旨在在特征层面的Global Anomaly Synthesis（GAS）在流形和球面分布约束下以及图像层面的Local Anomaly Synthesis（LAS）下合成更广泛覆盖范围的异常的统一框架。我们的方法利用引导梯度上升和截断投影以可控方式合成接近分布内的异常。GLASS在MVTec AD（检测AUROC达到99.9%）、VisA和MPDD数据集上实现了当前最先进的性能，并在弱缺陷检测方面表现突出。工业应用中对 woven fabric 缺陷检测的有效性和效率也得到了进一步的验证。代码和数据集可在\url{https://github.com/cqylunlun/GLASS}获取。
引用
@article{arxiv.2407.09359,
title = {A Unified Anomaly Synthesis Strategy with Gradient Ascent for Industrial Anomaly Detection and Localization},
author = {Qiyu Chen and Huiyuan Luo and Chengkan Lv and Zhengtao Zhang},
journal= {arXiv preprint arXiv:2407.09359},
year = {2024}
}