基于正常数据流形的迭代能量投影异常定位方法
计算机视觉与模式识别
2020-02-11 v1 图像与视频处理
摘要
自编码器重建被广泛用于无监督异常定位任务。确实，在正常数据上训练的自编码器应仅能重建数据的正常特征，从而可通过图像与其自编码器重建之间的简单比较来分割图像中的异常像素。然而在实践中，添加到正常图像上的局部缺陷会恶化整个重建，使该分割具有挑战性。为解决此问题，本文提出一种利用自编码器损失函数导出的能量进行梯度下降，将异常数据投影到自编码器学习的正常数据流形上的新方法。该能量可 augmented 以正则化项，这些项对用户定义的最优投影的构成进行先验建模。通过迭代更新自编码器的输入，我们规避了自编码器瓶颈造成的高频信息丢失。这得以生成比经典重建质量更高的图像。我们的方法在多个异常定位数据集上取得了最先进结果，并在 CelebA 数据集的修复任务上展现出有前景的结果。
引用
@article{arxiv.2002.03734,
title = {Iterative energy-based projection on a normal data manifold for anomaly localization},
author = {David Dehaene and Oriel Frigo and Sébastien Combrexelle and Pierre Eline},
journal= {arXiv preprint arXiv:2002.03734},
year = {2020}
}
备注
ICLR 2020