LogicAL：面向无监督异常定位的逻辑异常合成框架
计算机视觉与模式识别
2024-05-14 v1
摘要
异常定位是提高工业生产线效率的实用技术。由于异常现象多样且难以收集，现有的无监督研究通常配备异常合成方法。然而，这些方法大多侧重于结构性缺陷的合成，忽略了 underlying 逻辑约束。为填补这一空白并提升异常定位性能，我们提出一种基于边缘操作的异常合成框架，命名为 LogicAL，该框架能够生成照片级的逻辑与结构性异常。我们引入擅长打破逻辑约束的逻辑异常生成策略，以及与结构性缺陷合成互补的结构性异常生成策略。我们进一步通过引入边缘重建到网络结构中，提高异常定位性能。在挑战性的 MVTecLOCO、MVTecAD、VisA 和 MADsim 数据集上进行大量实验，验证了 LogicAL 在逻辑和结构性异常定位方面的优势。
引用
@article{arxiv.2405.06875,
title = {LogicAL: Towards logical anomaly synthesis for unsupervised anomaly localization},
author = {Ying Zhao},
journal= {arXiv preprint arXiv:2405.06875},
year = {2024}
}
备注
Accepted to Visual Anomaly and Novelty Detection (VAND) 2.0 Workshop at CVPR 2024