基于异常检测的工业图像异常检测模型中的正常性添加
计算机视觉与模式识别
2024-07-30 v1
摘要
图像异常检测（IAD）任务旨在识别图像数据中偏离正常性的异常模式。这些异常是与训练期间模型所学习的数据相信迥异的模式。然而，在实际场景中，构成正常性的标准往往会变化，迫使需要重新将此前被标记为异常的实例重新分类为正常。为此，我们提出一种新情景，称为“正常性添加”，即通过后训练调整决策边界以纳入新的正常性。为此，我们提出一种名为“基于正常性检测的正常性添加”（NAND）的方法，利用视觉语言模型。NAND进行正常性检测，基于文本描述在图像中检测与预期正常性相关的模式。我们随后修改预训练IAD模型的结果以实现该正常性添加。使用IAD中的基准数据集MVTec AD，我们建立了正常性添加任务的评估协议，并实证演示了NAND方法的有效性。
引用
@article{arxiv.2407.19849,
title = {Normality Addition via Normality Detection in Industrial Image Anomaly Detection Models},
author = {Jihun Yi and Dahuin Jung and Sungroh Yoon},
journal= {arXiv preprint arXiv:2407.19849},
year = {2024}
}