AIGC動態歡迎閱讀

原標題：ICLR 2024 | 跨領域準確進行零樣本異常檢測，浙大等提出AnomalyCLIP
關鍵字：數據,樣本,政策,圖像,語義
文章來源：機器之心
內容字數：6974字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com。零樣本異常檢測（ZSAD）允許檢測模型僅利用輔助數據進行訓練，從而在沒有任何目標數據集訓練樣本的情況下檢測異常。這在因各種原因（如數據隱私問題）無法獲取訓練數據時非常關鍵。
然而，這項任務面臨的挑戰在于，模型需要能夠跨不同領域泛化異常檢測能力，尤其是前景對象、異常區域及背景特征（比如不同產品或器官上的缺陷或腫瘤）在不同應用中可能大相徑庭。
為了改進 CLIP 模型，來自浙江大學、新加坡管理大學、哈佛大學的研究者聯合提出 AnomalyCLIP，使其能在不同領域中更準確地進行零樣本異常檢測。AnomalyCLIP 的核心思想是學習一種與對象不相關的文本提示技術（object-agnostic learning），這種技術能夠捕捉到圖像中的一般性正常和異常特征，

原文鏈接：ICLR 2024 | 跨領域準確進行零樣本異常檢測，浙大等提出AnomalyCLIP

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺