亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

VLMDiff: Leveraging Vision-Language Models for Multi-Class Anomaly Detection with Diffusion

异常检测 计算机科学 人工智能 公制(单位) 一般化 特征(语言学) 模式识别(心理学) 异常(物理) 噪音(视频) 代表(政治) 图像(数学) 计算机视觉 编码(集合论) 合成数据 扩散 简单(哲学) 度量(数据仓库) 数据点 限制 无监督学习 扩散图 特征提取 跟踪(心理语言学) 特征向量 数据挖掘 数据建模 目标检测 可视化 监督学习
作者
Hicsonmez, Samet,Shabayek, Abd El Rahman,Aouada, Djamila
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2511.08173
摘要

Detecting visual anomalies in diverse, multi-class real-world images is a significant challenge. We introduce \ours, a novel unsupervised multi-class visual anomaly detection framework. It integrates a Latent Diffusion Model (LDM) with a Vision-Language Model (VLM) for enhanced anomaly localization and detection. Specifically, a pre-trained VLM with a simple prompt extracts detailed image descriptions, serving as additional conditioning for LDM training. Current diffusion-based methods rely on synthetic noise generation, limiting their generalization and requiring per-class model training, which hinders scalability. \ours, however, leverages VLMs to obtain normal captions without manual annotations or additional training. These descriptions condition the diffusion model, learning a robust normal image feature representation for multi-class anomaly detection. Our method achieves competitive performance, improving the pixel-level Per-Region-Overlap (PRO) metric by up to 25 points on the Real-IAD dataset and 8 points on the COCO-AD dataset, outperforming state-of-the-art diffusion-based approaches. Code is available at https://github.com/giddyyupp/VLMDiff.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI6.1应助liuliu采纳,获得10
25秒前
领导范儿应助xirang2采纳,获得10
35秒前
高挑的白旋风完成签到,获得积分10
1分钟前
toutou应助科研通管家采纳,获得10
1分钟前
Akim应助青鹧栖蓝桉采纳,获得10
1分钟前
科研通AI6.1应助扯扯采纳,获得10
1分钟前
2分钟前
andrele发布了新的文献求助30
2分钟前
2分钟前
忧郁的毛巾应助555采纳,获得10
2分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
科研通AI6应助科研通管家采纳,获得10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
Jiangtao完成签到,获得积分10
3分钟前
3分钟前
CodeCraft应助老不靠谱采纳,获得10
3分钟前
卡耐基发布了新的文献求助10
3分钟前
卡耐基完成签到,获得积分10
3分钟前
taysun发布了新的文献求助10
3分钟前
NexusExplorer应助纳米大亨采纳,获得10
3分钟前
3分钟前
4分钟前
量子星尘发布了新的文献求助10
4分钟前
CHAUSU完成签到,获得积分10
4分钟前
旧月完成签到 ,获得积分10
4分钟前
旧月关注了科研通微信公众号
4分钟前
科研通AI6应助科研通管家采纳,获得10
5分钟前
完美世界应助科研通管家采纳,获得10
5分钟前
科研通AI6应助科研通管家采纳,获得10
5分钟前
科研通AI6应助科研通管家采纳,获得10
5分钟前
完美世界应助科研通管家采纳,获得10
5分钟前
科研通AI6应助科研通管家采纳,获得10
5分钟前
科研通AI6应助科研通管家采纳,获得10
5分钟前
5分钟前
5分钟前
willlee完成签到 ,获得积分10
5分钟前
5分钟前
LIJinlin完成签到,获得积分10
5分钟前
雪白傲薇完成签到 ,获得积分10
5分钟前
LIJinlin发布了新的文献求助10
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Forensic and Legal Medicine Third Edition 5000
Introduction to strong mixing conditions volume 1-3 5000
Agyptische Geschichte der 21.30. Dynastie 3000
Aerospace Engineering Education During the First Century of Flight 2000
从k到英国情人 1700
„Semitische Wissenschaften“? 1510
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5772867
求助须知:如何正确求助?哪些是违规求助? 5603640
关于积分的说明 15430145
捐赠科研通 4905661
什么是DOI,文献DOI怎么找? 2639619
邀请新用户注册赠送积分活动 1587513
关于科研通互助平台的介绍 1542467