二值任务用二值噪声：用于无监督异常检测的掩码伯努利扩散模型
计算机视觉与模式识别
2024-03-19 v1 图像与视频处理
摘要
去噪扩散模型在图像生成中的高性能为其在无监督医学异常检测中的应用铺平了道路。由于基于扩散的方法需要大量GPU内存且采样时间长，我们提出了一种新颖且快速的基于潜在伯努利扩散模型的无监督异常检测方法。我们首先应用自编码器将输入图像压缩为二值潜在表示。接着，在该潜在空间上采用遵循伯努利噪声调度表的扩散模型，并训练其从受扰动的二值潜在表示中恢复原始表示。该扩散模型的二值特性使我们能够识别潜在空间中在去噪过程中具有高概率翻转其二值码的条目，这指示了分布外数据。我们提出了一种基于这些概率的掩码算法，该算法提高了异常检测分数。与其他基于扩散的无监督异常检测算法相比，我们实现了最先进的性能，同时显著减少了采样时间和内存消耗。代码可在 https://github.com/JuliaWolleb/Anomaly_berdiff 获取。
引用
@article{arxiv.2403.11667,
title = {Binary Noise for Binary Tasks: Masked Bernoulli Diffusion for Unsupervised Anomaly Detection},
author = {Julia Wolleb and Florentin Bieder and Paul Friedrich and Peter Zhang and Alicia Durrer and Philippe C. Cattin},
journal= {arXiv preprint arXiv:2403.11667},
year = {2024}
}