PUAD：一种极其简单的鲁棒异常检测方法

开发准确且快速的异常检测模型是实时计算机视觉应用中的一项重要任务。已有大量研究致力于开发单一模型以检测结构异常或逻辑异常，这两者在本质上是截然不同的。大多数现有方法隐含地假设异常可以通过识别异常位置来表示。然而，我们认为诸如物体数量错误之类的逻辑异常无法通过空间特征图很好地表示，需要一种替代方法。此外，我们专注于利用特征空间上的分布外检测方法（该方法聚合了特征图的空间信息）来检测逻辑异常的可能性。作为演示，我们提出了一种在特征空间上结合简单分布外检测方法的方法，以对抗基于重建的最先进方法。尽管我们的提案很简单，但我们的方法 PUAD (Picturable and Unpicturable Anomaly Detection) 在 MVTec LOCO AD 数据集上实现了最先进的性能。