纹理中异常的盲目定位与聚类
计算机视觉与模式识别
2024-04-19 v1
摘要
异常检测与图像中的定位是计算机视觉领域中的一个日益增长的方向。在这一领域，似乎没有受到充分研究的问题是异常聚类，即以无监督方式识别和分组不同类型的异常。在本工作中，我们提出了一种用于在盲目设置下对纹理类准 stationary 图像中的异常进行聚类的新方法。也就是说，输入由正常图像和异常图像组成，且没有区分或标签。导致该任务困难的因素是，异常区域往往很小，且可能仅在外观上呈现细微变化，这些变化容易被纹理中的真实方差所掩盖。此外，每种异常类型可能具有复杂的外观分布。我们引入了一种新方案，通过结合盲目异常定位和对比学习来解决此问题。通过以高保真度识别异常区域，我们可以将注意力限制在这些感兴趣的区域；然后采用对比学习来增加不同异常类型的可分离性，减少类内变异。我们的实验表明，所提出的解决方案比以往工作效果显著，树立了新的研究成果。项目页面: https://reality.tf.fau.de/pub/ardelean2024blind.html。
引用
@article{arxiv.2404.12246,
title = {Blind Localization and Clustering of Anomalies in Textures},
author = {Andrei-Timotei Ardelean and Tim Weyrich},
journal= {arXiv preprint arXiv:2404.12246},
year = {2024}
}