TransFusion——一种基于透明度的异常检测扩散模型
计算机视觉与模式识别
2024-07-11 v2
摘要
表面异常检测是制造检测的关键环节。当前判别方法遵循两阶段架构：由重建网络后接依赖重建输出的判别网络组成。当前使用的重建网络常产生劣质重建，仍含异常或在无异常区域缺乏细节。判别方法对某些重建网络失效具有鲁棒性，表明判别网络学到了重建网络所遗漏的强正常外观信号。我们将两阶段架构重构为单阶段迭代过程，允许重建与定位间的信息交换。我们提出一种新颖的基于透明度的扩散过程，其中异常区域的透明度逐步增加，利用前序步骤的定位线索准确恢复其正常外观，同时保持无异常区域的外观。我们将所提过程实现为TRANSparency DifFUSION（TransFusion），一种新颖的判别异常检测方法，在VisA与MVTec AD数据集上均达到最先进性能，图像级AUROC分别为98.5%与99.2%。代码：https://github.com/MaticFuc/ECCV_TransFusion
引用
@article{arxiv.2311.09999,
title = {TransFusion -- A Transparency-Based Diffusion Model for Anomaly Detection},
author = {Matic Fučka and Vitjan Zavrtanik and Danijel Skočaj},
journal= {arXiv preprint arXiv:2311.09999},
year = {2024}
}
备注
Accepted to ECCV2024