复旦腾讯新算法解决异常数据稀缺性AI工业异常检测再获新SOTA
AI模型用于工业异常检测，再次取得新SOTA！
相关论文已中稿计算机视觉顶会CVPR 2025。
通俗理解，工业界为了检测产品异常，往往需要更多真实的残次品数据来训练检测模型；为了解决数据稀缺问题，常规做法一般是让模型生成各种逼真 “次品图”，并标注“哪个地方坏了”。
而对于这项任务，复旦大学、腾讯优图实验室等机构的研究人员设计了一种基于扩散模型的少样本异常图像生成新模型DualAnoDiff。
实验结果显示，DualAnoDiff相比之前的方法取得了新SOTA。
不仅生成的异常图像最接近原始数据集MVTec中的情形，而且实际用来训练检测模型的效果（检测、定位、分类等下游任务）都更佳。
那么，它是如何做到的呢？
猜你喜欢
【9评论】【2点赞】
【51评论】【21点赞】
【67评论】【19点赞】
![挖槽！印度人信用低，这次是踢到钉了了！[笑着哭][笑着哭]深圳华强北的外贸商](http://image.uczzd.cn/13786042474008918163.jpg?id=0)
![damn，魅族22终于来了[捂脸哭]行动迟缓得像个老太太，快点的吧，不然国补没了，](http://image.uczzd.cn/11626876328973822216.jpg?id=0)
【2评论】【7点赞】
作者最新文章
热门分类
科技TOP
科技最新文章