PyramidFlow:基于金字塔归一化流的高分辨率缺陷对比定位
计算机视觉与模式识别
2023-03-07 v1 人工智能
摘要
在工业加工过程中,由于不可控因素,产品中可能出现意外缺陷。尽管无监督方法在缺陷定位中已取得成功,但通常使用预训练模型导致低分辨率输出,损害了视觉表现。为解决此问题,我们提出 PyramidFlow,一种无需预训练模型、可实现高分辨率缺陷定位的首个完全归一化流方法。具体而言,我们提出一种基于潜模板的缺陷对比定位范式,以像预训练模型那样降低类内方差。此外,PyramidFlow 利用类金字塔归一化流进行多尺度融合与体归一化以帮助泛化。我们在 MVTecAD 上的综合研究表明,所提方法优于不使用外部先验的可比算法,甚至在更具挑战性的 BTAD 场景中达到最先进性能。
引用
@article{arxiv.2303.02595,
title = {PyramidFlow: High-Resolution Defect Contrastive Localization using Pyramid Normalizing Flow},
author = {Jiarui Lei and Xiaobo Hu and Yue Wang and Dong Liu},
journal= {arXiv preprint arXiv:2303.02595},
year = {2023}
}
备注
Accepted to CVPR2023