无监督异常检测与定位基准评测
计算机视觉与模式识别
2022-05-31 v1
摘要
无监督异常检测与定位作为计算机视觉中最实用且最具挑战性的问题之一，近年来受到广泛关注。从 MVTec AD 数据集被提出至今，不断提出的新研究方法将其精度推向饱和。是时候对现有方法进行综合比较以启发进一步研究。本文在無监督异常检测与定位任务性能方面广泛比较了 13 篇论文，并补充了此前被学界忽略的推理效率比较。同时，给出了对 MVTec AD 数据集的分析，尤其是影响模型无法取得满分的标签歧义问题。此外，考虑到新提出的 MVTec 3D-AD 数据集，本文还使用现有最先进的 2D 方法在该新数据集上进行了实验，并报告了相应结果与分析。
引用
@article{arxiv.2205.14852,
title = {Benchmarking Unsupervised Anomaly Detection and Localization},
author = {Ye Zheng and Xiang Wang and Yu Qi and Wei Li and Liwei Wu},
journal= {arXiv preprint arXiv:2205.14852},
year = {2022}
}