RealNet：从数据生成到模型训练的最新工业异常检测 | CVPR 2024

文章预览

论文提出了一种创新的自监督异常检测框架 RealNet ，集成了三个核心组件：可控制强度的扩散异常合成（ SDAS ）、异常感知特征选择（ AFS ）和重构残差选择（ RRS ）。这些组件通过协同作用，使 RealNet 能够有效地利用大规模预训练模型来进行异常检测，同时保持计算开销在合理的低范围内。 RealNet 为未来利用预训练特征重构技术进行异常检测的研究提供了灵活的基础。通过大量实验，展示了 RealNet 在处理多样化的实际异常检测挑战方面的能力 来源：晓飞的算法工程笔记 公众号 论文: RealNet: A Feature Selection Network with Realistic Synthetic Anomaly for Anomaly Detection 论文地址：https://arxiv.org/abs/2403.05897 论文代码：https://github.com/cnulab/RealNet Introduction   图像异常检测在工业生产中是一项关键任务，广泛应用于质量控制和安全监测。虽然自监督方法在使用合成异常 ………………………………