面向零样本/少样本异常检测的多尺度记忆比较

异常检测因广泛应用而备受关注，尤其在工业缺陷检测中。为应对数据收集挑战，研究者引入了零样本/少样本异常检测技术，每类仅需极少正常图像。然而，复杂工业场景常涉及多个对象，带来显著挑战。有鉴于此，我们提出了一种简洁而强大的多尺度记忆比较框架用于零样本/少样本异常检测。我们的方法采用全局记忆库捕获整幅图像特征，而个体记忆库聚焦于含单个对象的简化场景。该方法的效能通过其于视觉异常与新奇检测（VAND）竞赛零样本赛道第 4 名与少样本赛道第 2 名的卓越成绩得到验证。