学术兴趣围绕深度学习和计算机视觉，特别关注多模态异常检测。最近，我的研究重点是视觉语言模型等基础模型在异常检测任务中的应用，以及对零/少样本异常检测的探索。

在 CVPR VAND 零样本异常检测挑战赛中获得第二名(SAA+)

会议审稿人、CVPR、AAAI、ICRA、CASE、CSCWD 期刊审稿人、IEEE TII、IEEE TSMC、IEEE TNNLS、IEEE TCSVT

📝 主旨内容

WinCLIP(CVPR2023)的非官方实现

WinCLIP——首次探索零样本异常分类和分割 | ziuch の 博客

基于CLIP的多尺度窗口零样本/少样本异常分类和定位方法

https://ziuch.com/article/WinCLIP

直接使用GPT-4V打通全部异常检测任务

通用异常检测新曙光：GPT-4V的全方位异常检测表现 | ziuch の 博客

GPT-4V在多模态、多领域异常检测任务中的应用，包括图像、视频、点云和时间序列数据，跨多个应用领域，如工业、医疗、逻辑、视频、三维异常检测和定位任务。

https://ziuch.com/article/Anomaly-Detection-with-GPT4V

参与构建工业异常检测综述项目

Segment-Any-Anomaly

其他工作

视觉异常综述

A Survey on Visual Anomaly Detection: Challenge, Approach, and Prospect

Visual Anomaly Detection (VAD) endeavors to pinpoint deviations from the concept of normality in visual data, widely applied across diverse domains, e.g., industrial defect inspection, and medical...

https://arxiv.org/abs/2401.16402

一种结合全局和局部信息的图像异常检测的掩码逆向知识蒸馏方法

用于点云异常检测的互补伪多模态特征

通过时空一致性结合知识蒸馏进行高分辨率图像异常检测

用于图像异常检测的信息知识蒸馏

用于微小缺陷检测的半监督知识蒸馏

用于图像异常检测的位置编码增强特征映射

Position Encoding Enhanced Feature Mapping for Image Anomaly Detection | Request PDF

Request PDF | Position Encoding Enhanced Feature Mapping for Image Anomaly Detection | Image anomaly detection is an important stage for automatic visual inspection in intelligent manufacturing systems. The wide-ranging anomalies in... | Find, read and cite all the research you need on ResearchGate

https://www.researchgate.net/publication/361254312_Position_Encoding_Enhanced_Feature_Mapping_for_Image_Anomaly_Detection

🤗 总结归纳

📎 参考文章