用于异常检测的修复 Transformer

计算机视觉中的异常检测是识别偏离一组正常图像的图像的任务。一种常见的方法是训练深度卷积自编码器来修复图像中被遮盖的部分，并将输出与原始图像进行比较。通过仅在无异常样本上训练，假定模型无法正确重建异常区域。对于通过修复进行异常检测，我们认为融入来自潜在远距离区域的信息是有益的。特别地，我们将异常检测表述为一个图像块修复问题，并提议用一种纯粹基于自注意力且舍弃卷积的方法来解决它。所提出的修复 Transformer（InTra）被训练用于修复一长串图像块中被遮盖的图像块，从而整合输入图像大区域中的信息。当从头训练时，与其他不使用额外训练数据的方法相比，InTra 在 MVTec AD 数据集上的检测结果与当前最先进水平相当，并在分割上超越它们。