域泛化的纹理表面异常检测

异常检测旨在识别偏离正常数据的异常数据，同时通常需要足够量的正常数据来训练模型以执行该任务。尽管近期异常检测方法取得了成功，在未知域中执行异常检测仍是一项具有挑战性的任务。在本文中，我们处理域泛化的纹理表面异常检测任务。通过观察多个源域中的正常与异常表面数据，我们的模型有望泛化到感兴趣的未知纹理表面，在该表面上测试期间仅能观察到少量正常数据。尽管训练数据中仅观察到图像级标签，我们的基于块的元学习模型展现出良好的泛化能力：它不仅能泛化到未知图像域，还能在查询图像中定位异常区域。我们的实验验证了我们的模型在各种设定下优于最先进的异常检测和域泛化方法。