实体
industrial anomaly detection
industrial anomaly detection
PulseAugur coverage of industrial anomaly detection — every cluster mentioning industrial 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
-
新框架MUSTARD增强LLM在工业异常检测中的能力
研究人员推出了一种名为MUSTARD的新框架，旨在增强多模态大语言模型（MLLMs）在识别工业环境中的动态异常方面的能力。与以往主要关注静态视觉模式的方法不同，MUSTARD融入了时空动力学感知能力，通过检测不规则运动来识别缺陷。该框架利用光流引导的关键帧选择和增强模态来捕捉关键的运动异常，使其能够以高可解释性推理和检测基于动力学的缺陷，并且仅需少量正常参考样本。
-
新框架通过LVLMs增强工业异常检测
研究人员开发了一个名为OPD-IAD的新框架，用于利用大型视觉语言模型（LVLMs）进行工业异常检测。该方法旨在通过使用基于语言的判断作为指导而非直接控制来提高像素级异常定位的精度。OPD-IAD将缺陷证据蒸馏到模型自身的判断轨迹上，从而在密集监督下学习最终判断。此外，语言引导视觉锚定使用重新编码的图像和问题数据来创建语义锚点，然后将这些锚点与视觉特征进行对比以生成异常图。