Text-Axis Evidence Decomposition

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。