针对工业异常检测和定位的高效像素标签化
原文中文，约300字，阅读约需1分钟。发表于：。通过引入 ADClick，该研究提出了一种新的交互式图像分割算法，有效生成真实缺陷图像的 ' 地面真相 ' 异常掩码，从而在 AD 任务中实现了高质量的异常标签生成，并通过对 ADClick 进行 fine-tuning 建立了在监督式 AD 任务中的最新性能。
该论文研究了工业多模态异常检测任务，使用点云和RGB图像定位异常。提出了一种新的框架，通过学习将一个模态的特征映射到另一个模态的正常样本上，并观察特征和映射特征的不一致性来检测异常。实验证明该方法在MVTec 3D-AD数据集上表现出最先进的检测和分割性能，同时具有更快的推理速度和更低的内存占用，优于先前的多模态异常检测方法。此外，还提出了一种层裁剪技术，提高了内存和时间效率。
