Unsupervised Image Anomaly Detection

FedDyMem 推进联邦学习在无监督图像异常检测中的应用

研究人员开发了 FedDyMem，一种新颖的联邦学习方法，专为无监督图像异常检测 (UAD) 设计。该方法解决了去中心化 UAD 中的挑战，例如客户端之间异构的特征分布以及对高效、隐私保护通信的需求。FedDyMem 利用动态内存库和内存减少技术在客户端和服务器之间共享知识，显著降低了通信开销并增强了数据隐私。在多个 UAD 任务上的实验表明，FedDyMem 在提高异常检测准确性的同时降低了通信成本。