TAB：面向工业检测任务的文本对齐异常骨干模型
计算机视觉与模式识别
2023-12-18 v1
摘要
近年来，工业检测任务中对异常检测与定位的关注日益增加。尽管现有研究取得了显著成果，但它们往往严重依赖大量训练数据集，或依赖从在 ImageNet 等多样化数据集上训练的预训练模型中提取的鲁棒特征。在本工作中，我们提出了一种新型框架，利用视觉语言 CLIP 模型，巧妙地训练出专为制造领域定制的骨干模型。该方法同时考虑了正常与异常条件下的视觉和文本对齐嵌入空间。所得的预训练骨干模型显著提升了工业下游任务的性能，尤其是在异常检测与定位方面。值得注意的是，这一改进在 MVTecAD、BTAD 和 KSDD2 等多个数据集上的实验中得到了证实。此外，使用我们的预训练骨干权重，可使以往工作在少样本场景下以更少训练数据取得更优性能。所提出的异常骨干模型为更精确的异常检测与定位提供了基础模型。
引用
@article{arxiv.2312.09480,
title = {TAB: Text-Align Anomaly Backbone Model for Industrial Inspection Tasks},
author = {Ho-Weng Lee and Shang-Hong Lai},
journal= {arXiv preprint arXiv:2312.09480},
year = {2023}
}