FAIR：面向工业视觉异常检测的频率感知图像复原
计算机视觉与模式识别
2025-03-17 v1
摘要
基于图像重建的异常检测模型在工业视觉检测中被广泛探索。然而，现有模型通常受制于正常重建保真度与异常重建可分辨性之间的权衡，这损害了性能。在本文中，我们发现上述权衡可通过利用正常与异常重建误差之间不同的频率偏置得到更好的缓解。为此，我们提出频率感知图像复原（FAIR），一种新颖的自监督图像复原任务，从图像的高频分量中复原图像。它实现了正常模式的精确重建，同时抑制了对异常的不利泛化。仅使用一个简单的 vanilla UNet，FAIR 在各种缺陷检测数据集上以更高的效率取得了当前最优性能。代码：https://github.com/liutongkun/FAIR。
引用
@article{arxiv.2309.07068,
title = {FAIR: Frequency-aware Image Restoration for Industrial Visual Anomaly Detection},
author = {Tongkun Liu and Bing Li and Xiao Du and Bingke Jiang and Leqi Geng and Feiyang Wang and Zhuo Zhao},
journal= {arXiv preprint arXiv:2309.07068},
year = {2025}
}
备注
12 pages, 10 figures