面向无监督视觉缺陷检测的Patch-aware 向量量化码本学习
计算机视觉与模式识别
2025-01-17 v1 人工智能
机器学习
摘要
无监督视觉缺陷检测对于工业应用至关重要，需要捕获正常数据特征的表示空间，同时能够检测偏差。实现表达性和紧凑性之间的平衡具有挑战性；过于灵活的表示空间可能导致效率低下和模式崩溃，从而影响检测准确性。我们提出了一种新方法，利用经过增强的VQ-VAE框架优化用于无监督缺陷检测。我们的模型引入了Patch-aware 动态码分配方案，使代码分配能够根据上下文敏感地进行，以优化空间表示。这一策略增强了正常-缺陷区分能力，提高了推理阶段的检测准确性。在MVTecAD、BTAD和MTSD数据集上的实验表明，我们的方法实现了最先进的性能。
引用
@article{arxiv.2501.09187,
title = {Patch-aware Vector Quantized Codebook Learning for Unsupervised Visual Defect Detection},
author = {Qisen Cheng and Shuhui Qu and Janghwan Lee},
journal= {arXiv preprint arXiv:2501.09187},
year = {2025}
}
备注
7 pages, Accepted to 36th IEEE ICTAI 2024