基于新型 Transformer ,通过比较 Query 图像与参考形状进行异常检测的研究!

文章预览

前言   本文提出了一种新的条件异常检测问题，即通过将 Query 图像与参考形状进行比较来识别其中的异常。 为了应对这一挑战，作者创建了一个大型数据集BrokenChairs-180K，包含约18万张图像，这些图像具有多样的异常、几何形状和纹理，并与8,143个参考3D形状配对。 为了处理这项任务，作者提出了一种基于新型 Transformer 的方法，该方法通过特征对齐显式地学习 Query 图像与参考3D形状之间的对应关系，并利用定制化的注意力机制进行异常检测。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 1 Introduction 异常检测（AD），识别不规则或显著偏离正常性的实例，在多个领域中都是一个积极研究的课题。在标准的视觉AD基准测试中，"不规则性"通常由以下因素引起 ………………………………