type
status
date
slug
summary
tags
category
icon
password
Last edited time
Mar 16, 2024 07:01 AM
😀
利用Diffusion在通过学习少量的异常样本来生成大量与异常掩膜对齐的异常图像
anomalydiffusion
sjtuplayerUpdated Jun 4, 2024
notion image

📝 主旨内容

💡
输入:正常图+异常掩码 输出:掩码区域内的异常图像

解决的问题

  1. 异常的真实性低,多样性有限(不基于模型的方法)
  1. 生成的异常与掩码图对齐不准确(基于Gan的方法)

架构图

notion image
notion image

异常嵌入与空间嵌入分离

💡
异常嵌入对应于某种类型的异常(例如,榛子裂纹、胶囊挤压)
💡
空间嵌入提供异常位置信息

自适应注意力机制

💡
将更多注意力分配给生成异常不那么明显的区域
notion image
 

效果

notion image

🤗 总结归纳

异常检查(Anomaly Inspection)

  • 异常检测
  • 异常定位
  • 异常分类

📎 参考文章

 
2023年10月27日周五组会Control Net:控制增强的微调方法
Loading...