基于特征重构与细化的工业纹理表面异常局部化Mamba方法
计算机视觉与模式识别
2024-07-26 v1
摘要
基于重构方法的工业纹理图像无监督异常局部化已取得显著进展，但基于图像重构和特征重构的方法各自存在局限。首先，基于图像的方法倾向于对正常区域和异常区域都进行良好重构，导致过度泛化。特征基方法包含大量可区分的语义信息，但其特征结构冗余且缺乏异常信息，导致显著的重构误差。本文提出一种基于Mamba的异常局部化方法ALMRR，通过特征重构和细化来实现异常检测。该方法基于Mamba对语义特征进行重构，然后通过特征细化模块进行细化。为使模型具备异常的先验知识，我们通过添加人工模拟的异常来增强原始图像。与图像重构或修复不同，合成缺陷的特征会随正常区域的特征一起被修复。最终，包含丰富语义信息的对齐特征输入到细化模块中，以获得异常图。对MVTec-AD-Textured数据集和其他真实工业数据集进行了广泛实验，结果表明该方法在多个SOTA方法中表现出优越性能。
引用
@article{arxiv.2407.17705,
title = {ALMRR: Anomaly Localization Mamba on Industrial Textured Surface with Feature Reconstruction and Refinement},
author = {Shichen Qu and Xian Tao and Zhen Qu and Xinyi Gong and Zhengtao Zhang and Mukesh Prasad},
journal= {arXiv preprint arXiv:2407.17705},
year = {2024}
}