PulseAugur
中
实时 21:25:35
实体 CLIP-AD

CLIP-AD

PulseAugur coverage of CLIP-AD — every cluster mentioning CLIP-AD across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
  1. TOOL · CL_273268 ·

    新的TED方法增强了视觉-语言模型中的异常定位

    研究人员开发了TED(Text-Axis Evidence Decomposition,文本轴证据分解),一种新颖的事后评分方法,旨在改进视觉-语言模型中的异常定位。与现有方法(如适配CLIP模型进行缺陷检测)不同,TED解决了模型将复杂的正常区域错误识别为异常的问题。通过比较模型对缺陷图像块与错误识别的正常图像块的支持度,TED提高了像素级定位精度,尤其是在存在大量假阳性竞争的挑战性条件下。该方法无需目标域训练,可应用于原始视觉-语…

  2. TOOL · CL_280965 ·

    新的TED方法提高了视觉-语言模型中的缺陷定位精度

    研究人员开发了一种名为TED(文本轴证据分解)的新型事后评分方法,以利用CLIP等视觉-语言模型改进图像中缺陷的细粒度定位。当前的CLIP基准异常检测器常常在领域迁移时遇到困难,将复杂的正常区域错误地分类为缺陷。TED通过比较支持缺陷块的证据与支持被错误标记为异常的正常块的证据来解决这个问题,而无需对模型进行进一步训练。该方法显著提高了像素级定位精度,尤其是在视觉上复杂的正常区域竞争激烈的挑战性场景中。