type
status
date
slug
summary
tags
category
icon
password
Last edited time
Mar 16, 2024 07:01 AM
从图像异常检测到多模态(以EasyNet举例) 视觉融合 LLM赋能科研
📝 主旨内容
从图像异常检测到多模态(以EasyNet举例)
对比模型结构
对比损失函数
对比异常生成策略
与DRÆM区别
正如EasyNet中所述,我们从DRAEM的重建和异常图像生成方法中学到了一些东西,但是EasyNet和DRAEM之间的架构有很大不同。
首先,EasyNet的重建网络在重建之前和之后利用了多层和多尺度的特征信息,这也在消融实验中得到了突出的体现,而DREAM的对应网络只能通过重建前后的图像进行分割。
其次,我们的实验发现,使用2层MLP就足以有效地分割异常区域,而不需要像DREAM一样使用大型U-Net。
最后,EasyNet更注重多模态特征的融合与分割,而DREAM只关注RGB特征。
视觉融合
LLM赋能科研
🤗 总结归纳
📎 参考文章
- 作者:ziuch
- 链接:https://ziuch.com/article/meeting-2023-12-05
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议,转载请注明出处。