层次高斯混合正态流模型用于统一异常检测
原文中文，约300字，阅读约需1分钟。发表于：。该研究提出了一种新颖的层次高斯混合归一化流建模方法，称为 HGAD，用于实现统一的异常检测。通过将不同类别的高斯混合建模应用于归一化流的潜在空间，避免了 “同质化映射” 问题，并通过最大化互信息损失进一步优化了潜在特征空间结构，从而在四个真实世界异常检测基准测试中显著改善了先前的基于归一化流的异常检测方法，并超越了 SOTA 统一异常检测方法。
提出了一种名为MSFlow的多尺度流模型框架，用于无监督异常检测和定位。该模型仅使用正常样本进行训练，能够有效区分可预测和不可预测的异常数据。在多个数据集上优于现有方法，并在MVTec AD基准上达到了高检测和定位得分。
