基于CLIP的自适应加权跨域零样本图像异常检测框架
《Applied Sciences》:CLIP-Based Adaptive Weighted Anomaly Detection with Cross-Layer Semantic Decoupling
【字体:
大
中
小
】
时间:2026年10月24日
来源:Applied Sciences 2.5
摘要
图像异常检测是工业质量检测中的重要任务,并且在医学影像基准上也已有相关研究。然而,许多现有方法需要从目标域中获取正常样本,这在实际应用中可能难以实现。近期基于视觉-语言模型的零样本异常检测方法展现出令人前景的性能。然而,分层视觉-文本对齐中的跨层语义冗余以及用于图像级预测的稀疏异常信息聚合仍然是挑战。为解决这些挑战,我们提出了一种基于CLIP的自适应加权异常检测(AWAD),一种跨域零样本异常检测框架。AWAD引入了跨层语义解耦(CLSD)模块,以构建特定阶段的文本表示并减少过度的跨层语义相似性。进一步开发了自适应异常引导(AAG)模块,根据跨模态异常响应聚合空间特征,以实现图像级判别。在12个公开的工业和医学影像基准以及补充的牙刷刷毛缺陷数据集(TBDD)上的实验,在跨域零样本设置下评估了所提出的框架。AWAD在VisA上实现了95.8%的像素级AUROC和89.6%的PRO,同时在MVTec AD上实现了91.6%的像素级AUROC。结果表明该框架在多个基准上具有令人前景的像素级异常定位性能,而图像级检测性能在不同数据集之间存在差异。医学影像实验作为跨域迁移基准,并不构成临床验证。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号