基于基础模型合成与小波域注意力的异常检测提升
计算机视觉与模式识别
2026-03-04 v1
摘要
工业异常检测因异常样本稀缺和真实世界异常的复杂性面临重大挑战。本文提出了一种基于基础模型的异常合成管道（FMAS），其可无需微调或类别特定训练生成高度逼真的异常样本。鼓励利用异常在频率域特征的差异性，我们引入了小波域注意力模块（WDAM），其通过自适应子带处理来增强异常特征提取。FMAS和WDAM的组合在保持计算效率的同时显著提升了异常检测灵敏度。在MVTec AD和VisA数据集上进行的全面实验表明，WDAM作为一个即插即用模块，对现有基线方法实现了显著的性能提升。
引用
@article{arxiv.2603.02964,
title = {Improving Anomaly Detection with Foundation-Model Synthesis and Wavelet-Domain Attention},
author = {Wensheng Wu and Zheming Lu and Ziqian Lu and Zewei He and Xuecheng Sun and Zhao Wang and Jungong Han and Yunlong Yu},
journal= {arXiv preprint arXiv:2603.02964},
year = {2026}
}