ICLR 2024 | 跨领域准确进行零样本异常检测，浙大等提出AnomalyCLIP

AIGC动态欢迎阅读

原标题：ICLR 2024 | 跨领域准确进行零样本异常检测，浙大等提出AnomalyCLIP
关键字：数据,样本,政策,图像,语义
文章来源：机器之心
内容字数：6974字

内容摘要：

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com。零样本异常检测（ZSAD）允许检测模型仅利用辅助数据进行训练，从而在没有任何目标数据集训练样本的情况下检测异常。这在因各种原因（如数据隐私问题）无法获取训练数据时非常关键。
然而，这项任务面临的挑战在于，模型需要能够跨不同领域泛化异常检测能力，尤其是前景对象、异常区域及背景特征（比如不同产品或器官上的缺陷或肿瘤）在不同应用中可能大相径庭。
为了改进 CLIP 模型，来自浙江大学、新加坡管理大学、哈佛大学的研究者联合提出 AnomalyCLIP，使其能在不同领域中更准确地进行零样本异常检测。AnomalyCLIP 的核心思想是学习一种与对象不相关的文本提示技术（object-agnostic learning），这种技术能够捕捉到图像中的一般性正常和异常特征，

原文链接：ICLR 2024 | 跨领域准确进行零样本异常检测，浙大等提出AnomalyCLIP