实体
Generalist Anomaly Detection
Generalist Anomaly Detection
PulseAugur coverage of Generalist Anomaly Detection — every cluster mentioning Generalist Anomaly Detection across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的DART框架通过分离领域特定因素来增强通用异常检测
研究人员开发了DART，一个旨在改进通用异常检测的新框架。该方法旨在将与异常相关的信号与可能阻碍跨域迁移的纹理和几何等领域特定因素分离开来。DART利用残差解耦模块和跨域元学习来实现这种分离，并且可以集成到现有的异常检测流程中。在MVTec AD、VisA和BraTS等数据集上的实验表明，性能得到了一致的提升，尤其是在处理显著的领域迁移时。
-
新的数值顺序分解技术增强异常检测能力
研究人员开发了一种名为数值顺序分解（VOD）的新技术，以改进工业环境中的通用异常检测。该方法解决了数据有限和跨域泛化困难带来的挑战。VOD 分解并抑制特定于对象类别、缺陷类型和数据域的信息，这有助于在保持样本独特性的同时对正常和异常样本进行对齐。通过利用正常和合成异常参考，该方法即使在面对未见过的真实缺陷类型时也能实现有效的泛化。