通过扩散反演实现无训练零样图像异常局部化
计算机视觉与模式识别
2026-01-14 v1
摘要
零样图像异常检测（ZSAD）旨在检测和局部化异常，却无需针对目标数据获取正常样本。虽然最近的ZSAD方法利用语言等额外模态生成细粒度提示以实现局部化，但仅基于视觉的方法仍仅限于图像级分类，缺乏空间精度。在本工作中，我们引入一种简单而有效的无训练零样视觉ZSAD框架，通过扩散逆转（diffusion inversion）来规避对细粒度提示的需求。具体而言，给定输入图像和通用文本描述（例如“一张[对象类别]的图像”），我们对图像进行逆向处理以获取潜在表示，并从固定的中间时间步开始进行去噪以重建图像。由于底层扩散模型仅在正常数据上训练，这一过程会产生外观正常的重建。输入图像与重建图像之间的差异即可揭示潜在异常。我们的方法在VISA数据集上实现了最新性能，展示了在无额外模态和促进脱离提示依赖的零样异常检测研究方面的强大局部化能力。代码已公开于 https://github.com/giddyyupp/DIVAD。
引用
@article{arxiv.2601.08022,
title = {Training Free Zero-Shot Visual Anomaly Localization via Diffusion Inversion},
author = {Samet Hicsonmez and Abd El Rahman Shabayek and Djamila Aouada},
journal= {arXiv preprint arXiv:2601.08022},
year = {2026}
}