实体
MANTA-Tiny
MANTA-Tiny
PulseAugur coverage of MANTA-Tiny — every cluster mentioning MANTA-Tiny across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
GeoMAD框架通过可变形融合增强多视图异常检测
研究人员开发了GeoMAD，一个新颖的多视图异常检测框架，旨在通过融合来自多个摄像头视点的信��来识别缺陷。该方法解决了工业环境中几何感知和可扩展性的挑战。GeoMAD利用跨视图可变形融合模块（CDFM）学习自适应采样偏移以实现跨视图对应，而无需相机标定或3D重建。此外，一个自监督的分布视图对齐（DVA）损失通过对齐视图分布来强制全局一致性。
-
新的GLAD框架解决了多视图异常检测中的信息泄露问题
研究人员推出了一种新颖的多视图异常检测方法GLAD（全局-局部注意力驱动框架），该方法解决了跨视图信息泄露的问题。该框架利用多视图融合注意力模块进行有效的局部融合，并利用对象引导注意力模块捕获全局上下文。在Real-IAD和MANTA-Tiny数据集上的实验表明，GLAD在识别各种指标的异常方面表现优越。
-
新的流匹配方法增强了多视图异常检测
研究人员推出了一种新颖的多视图异常检测方法MATCH，该方法利用流匹配（FM）。该方法能够估计似然性，从而为对象、图像和像素级别的多视图检测得出异常分数。MATCH在Real-IAD和MANTA-Tiny数据集上展示了最先进的性能，通过省略昂贵的散度项实现了实时可用性。