DSR——一种用于表面异常检测的双子空间重投影网络
计算机视觉与模式识别
2022-11-28 v2
摘要
当前最优的判别型无监督表面异常检测方法依赖于外部数据集来合成异常增强的训练图像。此类方法在近似分布内异常上容易失败，因为由于其与无异常区域的相似性，这类异常难以被真实地合成。我们提出了一种基于带双解码器的量化特征空间表示的架构 DSR，其避免了图像级异常合成的要求。在不对异常的视觉属性作任何假设的情况下，DSR 通过采样学到的量化特征空间在特征级生成异常，从而允许受控地生成近似分布内异常。DSR 在 KSDD2 与 MVTec 异常检测数据集上取得了当前最优结果。在具有挑战性的真实世界 KSDD2 数据集上的实验表明，DSR 显著优于其他无监督表面异常检测方法，在异常检测上比先前最优方法提升 10% AP，在异常定位上提升 35% AP。
引用
@article{arxiv.2208.01521,
title = {DSR -- A dual subspace re-projection network for surface anomaly detection},
author = {Vitjan Zavrtanik and Matej Kristan and Danijel Skočaj},
journal= {arXiv preprint arXiv:2208.01521},
year = {2022}
}
备注
Presented at ECCV2022