type
status
date
slug
summary
tags
category
icon
password
Last edited time
Feb 22, 2025 05:03 PM
😀
基于CLIP的多尺度窗口零样本/少样本异常分类和定位方法(CVPR2023)
非官方实现
WinClip
caoyunkangUpdated Feb 19, 2025

📝 主旨内容

动机

  1. 摆脱一类一模型的困境(zero/few shot)
  1. 提升CLIP的异常分割性能(多尺度窗口)

WinCLIP

💡
当通过文本提示可以精确定义异常时,零样本直接推理
WinCLIP
WinCLIP

CLS含义

For example, “a hole in a cloth” may be a desirable or undesirable depending upon whether distressed fashion or regular fashion clothes are being manufactured.(例如,“布上的一个洞”可能是可取的或不可取的,这取决于是在制造破旧的时尚还是常规的衣服。)
窗口嵌入编码了每个窗口内的全局信息(例如来自类别令牌)。
 

WinCLIP+

💡
当文本不足以定义异常时,需要从正常样本中学习到
notion image
WinCLIP+
WinCLIP+

文本提示

notion image

🤗 总结归纳

 

📎 参考文章

 
相关文章
PatchCore内存库中核心集的选择
Lazy loaded image
AnoVL——使用CLIP用于零样本异常定位
Lazy loaded image
SSIM损失和MSE损失
Lazy loaded image
DRÆM —— A discriminatively trained reconstruction embedding for surface anomaly detection(ICCV2021)
Lazy loaded image
华为难题的思考(以非训练方法为主)
Lazy loaded image
华为难题——纺织样本数据
Lazy loaded image
Control Net:控制增强的微调方法AnoVL——使用CLIP用于零样本异常定位
Loading...
ziuch
ziuch
一个普通的干饭人🍚
最新发布
CFM的踩坑指南
2025-3-18
AnomalyPainter——合理,真实,多样我全都要
2025-3-13
拉链异常检测项目
2025-3-11
FastGPT——构建你自己的GPT
2025-3-11
Git常用命令
2025-3-11
MMAD——为大模型出的异常检测试卷
2025-3-6
公告