基于少样本样本提示的上下文残差学习迈向通用异常检测

本文探讨了通用异常检测问题，旨在训练单一检测模型，使其能够泛化以检测来自不同应用领域的多样数据集中的异常，而无需在目标数据上进行任何进一步训练。近期的一些研究表明，像 CLIP 这样的大型预训练视觉语言模型在检测来自不同数据集的工业缺陷方面具有很强的泛化能力，但其方法严重依赖关于缺陷的手工文本提示，使其难以泛化到其他应用中的异常，例如医学图像异常或自然图像中的语义异常。在本工作中，我们提出使用少样本正常图像作为样本提示，即时训练 GAD 模型以用于多样数据集上的异常检测。为此，我们引入了一种新颖的方法，为 GAD 学习一个上下文残差学习模型，称为 InCTRL。它在辅助数据集上进行训练，基于对查询图像与少样本正常样本提示之间残差的整体评估来区分异常与正常样本。无论在何种数据集上，根据异常的定义，异常的残差预期大于正常样本，从而使 InCTRL 能够在不同领域间泛化而无需进一步训练。我们在九个异常检测数据集上进行了全面实验，建立了一个 GAD 基准，涵盖了一对全和多类设置下的工业缺陷异常、医学异常以及语义异常的检测。在该基准上，InCTRL 表现最佳，并显著优于当前最先进的竞争方法。代码可在 https://github.com/mala-lab/InCTRL 获取。