MoViAD：面向视觉异常检测的模块化库
计算机视觉与模式识别
2025-07-22 v2
摘要
视觉异常检测（VAD）是机器学习中的关键领域，旨在识别图像中偏离正常模式的异常，常面临数据稀缺和无监督训练需求。为加速该领域的研究与部署，我们引入MoViAD——一个全面且高度模块化的库，提供快速便捷的先进VAD模型、训练器、数据集和VAD工具。MoViAD支持多种场景，包括持续学习、半监督、少样本、噪声等。此外，它针对实际部署挑战提供面向Edge和IoT环境的方案，包括优化模型和骨干网络，以及量化和压缩工具，以实现高效的设备端执行和分布式推理。MoViAD集成多种骨干网络、鲁棒的VAD评估指标（像素级和图像级）以及实用的数据分析工具。该库设计为快速、无缝部署，使机器学习工程师可轻松用于特定配置，包括自定义模型、数据集和骨干网络；同时，它为研究人员提供灵活性和可扩展性，以开发和实验新方法。
引用
@article{arxiv.2507.12049,
title = {MoViAD: A Modular Library for Visual Anomaly Detection},
author = {Manuel Barusco and Francesco Borsatti and Arianna Stropeni and Davide Dalle Pezze and Gian Antonio Susto},
journal= {arXiv preprint arXiv:2507.12049},
year = {2025}
}