基于对极约束跨视图融合的多视图工业异常检测
计算机视觉与模式识别
2025-03-17 v1
摘要
多相机系统为工业异常检测提供了更丰富的上下文信息。然而，传统方法独立处理每个视图，忽略了视图间的互补信息。现有的多视图异常检测方法通常采用数据驱动的跨视图注意力进行特征融合，但未能利用多相机设置的独特几何特性。在本工作中，我们引入了一个对极几何约束的注意力模块来指导跨视图融合，确保更有效的信息聚合。为了进一步挖掘跨视图注意力的潜力，我们提出了一种受基于记忆库的异常检测启发的预训练策略。该方法鼓励正常特征表示形成多个局部簇，并结合多视图感知的负样本合成来正则化预训练。我们证明了我们的对极引导多视图异常检测框架在最先进的多视图异常检测数据集上优于现有方法。
引用
@article{arxiv.2503.11088,
title = {Multi-View Industrial Anomaly Detection with Epipolar Constrained Cross-View Fusion},
author = {Yifan Liu and Xun Xu and Shijie Li and Jingyi Liao and Xulei Yang},
journal= {arXiv preprint arXiv:2503.11088},
year = {2025}
}