Anchor and Adapt少样本异常检测框架
热点事件观察中
Anchor and Adapt少样本异常检测框架
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Mengyang Zhao等提出两阶段提示学习框架 Anchor and Adapt：先从带标注辅助数据中学习可迁移的正常与异常锚点，再固定锚点，仅用少量目标正常样本适配额外的正常分支。 基于论文摘要，作者称该方法无需合成异常，也能减少对类别特定异常模板的依赖；在MVTec-AD与VisA之间的1、2、4-shot跨数据集实验中，其异常检测与定位性能具有竞争力。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
Anchor and Adapt：用于少样本工业异常检测的非对称提示适配框架报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · cs.AIAnchor and Adapt：用于少样本工业异常检测的非对称提示适配框架
基于论文摘要，作者提出 Anchor and Adapt 两阶段提示学习框架，先从带标注辅助数据中学习可迁移的正常与异常锚点，再固定这些锚点并利用少量目标正常样本适配额外正常分支。该方法通过双正常表示和文本锚点正则化，在无需合成异常生成的情况下降低对类别特定异常模板的依赖；作者报告其在 MVTec-AD 与 VisA 的1、2、4-shot跨数据集实验中具有竞争力的检测与定位性能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。