ConceptADapt

ConceptADapt 改进了少样本工业异常检测

研究人员推出了一种新颖的少样本工业异常检测方法 ConceptADapt。该方法利用概念引导的自适应特征重建和动态注意力机制，在训练数据有限的情况下识别视觉缺陷。ConceptADapt 通过预先学习支持特征中的正常概念来重新校准查询特征，从而提高异常检测的准确性。该模型集成了 LoRA 以实现高效适应，并在 MVTec-AD、VisA 和 MPDD 等基准测试中展现出卓越的性能。