ICLR 2024 | 跨领域准确进行零样本异常检测，浙大等提出AnomalyCLIP

来源：机器之心 PaperWeekly本文约2500字，建议阅读5分钟本文为你介绍首个基于 object-agnostic 的零样本异常检测方法。零样本异常检测（ZSAD）允许检测模型仅利用辅助数据进行训练，从而在没有任何目标数据集训练样本的情况下检测异常。这在因各种原因（如数据隐私问题）无法获取训练数据时非常关键。然而，这项任务面临的挑战在于，模型需要能够跨不同领域泛化异常检测能力，尤其是前景对象、异常区域及背景特征（比如不同产品或器官上的缺陷或肿瘤）在不同应用中可能大相径庭。为了改进 CLIP 模型，来自浙江大学、新加坡管理大学、哈佛大学的研究者联合提出 AnomalyCLIP，使其能在不同领域中更准确地进行零样本异常检测。AnomalyCLIP 的核心思想是学习一种与对象不相关的文本提示技术（object-agnostic learning），这种技术能够捕捉到图像中的一 ………………………………