带跨层特征引导解码器的特征净化变分 transformer 用于多类 OOD 和异常检测
计算机视觉与模式识别
2024-06-25 v1 人工智能
机器学习
摘要
重建网络在无监督异常和离群检测中广泛使用，由于其独立于标记异常数据的特性。然而，在多类数据集中，异常检测的有效性常常因模型的广泛重建能力而受到影响，这种能力允许异常在因添加类别而扩大正常边界内的异常混合，从而降低检测准确性。我们引入了 FUTUREG 框架，包含两个创新模块：特征净化模块(FPM)和 CFG 解码器。FPM 在潜在空间约束正常边界，以有效过滤异常特征，而 CFG 解码器使用层级编码器表示来指导过滤后特征的重建，保留细粒细节。这些模块共同增强了异常的重建误差，确保正常样本的高质量重建。我们的结果表明，FUTUREG 在多类 OOD 设置下实现了最先进的性能，在工业异常检测场景中也保持具竞争力。
引用
@article{arxiv.2406.15396,
title = {Feature Purified Transformer With Cross-level Feature Guiding Decoder For Multi-class OOD and Anomaly Deteciton},
author = {Jerry Chun-Wei Lin and Pi-Wei Chen and Chao-Chun Chen},
journal= {arXiv preprint arXiv:2406.15396},
year = {2024}
}
备注
12 pages