Odd-One-Out：通过与邻居比较进行异常检测
计算机视觉与模式识别
2025-03-25 v4
摘要
本文引入了一种新颖的异常检测（Anomaly Detection, AD）问题，旨在通过与场景中其他对象比较来识别“看起来异常”的对象。与传统异常检测基准（具有固定异常标准）不同，本任务通过推断常规对象的参考组来检测特定于每个场景的异常。在处理遮挡问题时，我们使用每个场景的多个视角作为输入，从 2D 视图构建每个实例的 3D 对象中心模型，通过几何一致的、具有部分感知的表示来增强这些模型。然后通过跨实例比较来检测异常对象。我们还引入了两个新的基准数据集，ToysAD-8K 和 PartsAD-15K，作为此类任务的测试平台。我们对方法在这些基准上的定性和定量分析进行了全面评估。
引用
@article{arxiv.2406.20099,
title = {Odd-One-Out: Anomaly Detection by Comparing with Neighbors},
author = {Ankan Bhunia and Changjian Li and Hakan Bilen},
journal= {arXiv preprint arXiv:2406.20099},
year = {2025}
}
备注
Accepted at CVPR 2025. Codes & Dataset at https://github.com/VICO-UoE/OddOneOutAD