MPOFI：基于深度度量学习的多通道部分观测功能建模用于不平衡数据集的缺陷分类
利用深度度量学习和专门设计用于处理多通道和部分观测功能数据的神经网络，我们提出了一种名为 MPOFI 的创新框架，用于在一个不平衡数据集中对缺陷样本进行分类。通过开发相应的损失函数，我们展示了该框架相对于现有基准的卓越准确性。
该论文研究了工业多模态异常检测任务，提出了一种利用点云和 RGB 图像定位异常的新框架。实验证明该方法在检测和分割性能上优于先前的方法，并具有更快的推理速度和更低的内存占用。同时，提出了一种层裁剪技术，提高了内存和时间效率。
