P-WAE：用于异常筛查的广义块-Wasserstein自编码器
计算机视觉与模式识别
2022-03-10 v4 人工智能
摘要
异常检测在工业自动化与制造智能化等众多现实场景中起着关键作用。近来，基于变分推断的异常分析引起了研究与开发人员的关注。其旨在对无缺陷分布建模，从而将异常归类为分布外样本。然而，有两个干扰因素需要我们优先处理：(i) 简单的先验潜分布导致表达能力有限；(ii) 强概率距离度量导致特征坍缩。本文中，我们提出一种新颖的块级Wasserstein自编码器（P-WAE）架构以缓解这些挑战。具体而言，设计了一个结合拼图求解的块级变分推断模型，这是一种简单而有效的方式来增加潜流形的表达能力。这使得在高维实际数据上使用模型成为可能。此外，我们利用一种更弱的度量，切片-Wasserstein距离，以实现重构保真度与广义表示之间的平衡。在MVTec AD数据集上进行的综合实验证明了我们所提方法的优越性能。
引用
@article{arxiv.2108.03815,
title = {P-WAE: Generalized Patch-Wasserstein Autoencoder for Anomaly Screening},
author = {Yurong Chen},
journal= {arXiv preprint arXiv:2108.03815},
year = {2022}
}
备注
I need to revise the paper