基于分数生成模型的无监督视觉缺陷检测
计算机视觉与模式识别
2022-11-30 v1
摘要
异常检测（AD）作为一个关键问题已被广泛讨论。在本文中，我们专注于许多工业应用中的一个具体问题——视觉缺陷检测（VDD）。实际上，缺陷图像样本非常稀少且难以收集。因此，我们聚焦于无监督视觉缺陷检测与定位任务，并基于近期的分数生成模型提出一种新框架，该模型通过随机微分方程（SDEs）的迭代去噪来合成真实图像。我们的工作受如下事实启发：当向原始图像注入噪声时，缺陷可能在去噪过程（即重建）中变为正常情形。首先，基于异常数据位于正常数据分布的低概率密度区域的假设，我们解释了将基于重建的方法应用于 VDD 时常出现的一种现象：正常像素在重建过程中也会发生变化。其次，由于重建图像与原始图像间正常像素的差异，利用正常数据分布的时间依赖梯度值（即分数）作为度量，而非重建损失，来度量缺陷。第三，提出一种新颖的 尺度方法，大幅减少所需迭代次数，加速推理过程。这些做法使我们的模型能以无监督方式泛化 VDD，同时保持相当好的性能。我们在多个数据集上评估了该方法以证明其有效性。
引用
@article{arxiv.2211.16092,
title = {Unsupervised Visual Defect Detection with Score-Based Generative Model},
author = {Yapeng Teng and Haoyang Li and Fuzhen Cai and Ming Shao and Siyu Xia},
journal= {arXiv preprint arXiv:2211.16092},
year = {2022}
}