BriefGPT - AI 论文速递
·
MuSc：无标签图像的零样本工业异常分类与分割
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了我们在VAND 2023 Challenge中的零样本检测方向的提交结果，通过增强WINCLIP框架的定位能力和整合零样本分割模型，我们在VAND挑战赛中排名第三，实现了VisA数据集上的平均F1-max得分为81.5/24.2。
🎯
关键要点
- 本文介绍了参加VAND 2023 Challenge的零样本检测方向的提交结果。
- 在WINCLIP框架的基础上增强了系统的定位能力。
- 整合了零样本分割模型，进行前景实例分割。
- 模型能够集中在图像的相关部分，识别小型或细微的偏差。
- 管道不需要外部数据或信息，可以直接应用于新的数据集。
- 团队Variance Vigilance Vanguard在VAND挑战赛中排名第三。
- 在VisA数据集上实现了平均F1-max得分为81.5/24.2。
➡️
