MANTA：面向微小物体的多视角视觉-文本异常检测大规模数据集
计算机视觉与模式识别
2024-12-09 v1
摘要
我们提出了 MANTA，一个面向微小物体的视觉-文本异常检测数据集。视觉部分涵盖 38 个物体类别、超过 137.3K 张图像，跨越五个典型领域，其中 8.6K 张图像被标注为异常并带有像素级注释。每张图像从五个不同视角拍摄，以确保对物体的全面覆盖。文本部分由两个子集组成：陈述性知识，包含 875 个描述各领域和特定类别常见异常的词汇，并附有详细的解释，涵盖是什么、为什么和怎么做，包括原因和视觉特征；以及建构性学习，提供 2K 道不同难度级别的选择题，每道题均配有图像和对应的答案解释。我们还提出了一种视觉-文本任务的基线方法，并进行了广泛的基准测试实验，以评估不同设置下先进方法的性能，突出了我们数据集面临的挑战及其有效性。
引用
@article{arxiv.2412.04867,
title = {MANTA: A Large-Scale Multi-View and Visual-Text Anomaly Detection Dataset for Tiny Objects},
author = {Lei Fan and Dongdong Fan and Zhiguang Hu and Yiwen Ding and Donglin Di and Kai Yi and Maurice Pagnucco and Yang Song},
journal= {arXiv preprint arXiv:2412.04867},
year = {2024}
}
备注
https://grainnet.github.io/MANTA