Copertina

EfficientAD: Accurate Visual Anomaly Detection at Millisecond-Level Latencies

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Batzner, Kilian, Heckler, Lars, König, Rebecca
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

The MVTec AD 2 Dataset: Advanced Scenarios for Unsupervised Anomaly Detection
di: Heckler-Kram, Lars, et al.
Pubblicazione: (2025)

From Benchmarks to Reality: Advancing Visual Anomaly Detection by the VAND 3.0 Challenge
di: Heckler-Kram, Lars, et al.
Pubblicazione: (2025)

Foundation Visual Encoders Are Secretly Few-Shot Anomaly Detectors
di: Zhai, Guangyao, et al.
Pubblicazione: (2025)

MoViAD: A Modular Library for Visual Anomaly Detection
di: Barusco, Manuel, et al.
Pubblicazione: (2025)

AD4AD: Benchmarking Visual Anomaly Detection Models for Safer Autonomous Driving
di: Genilotti, Fabrizio, et al.
Pubblicazione: (2026)

VisualAD: Language-Free Zero-Shot Anomaly Detection via Vision Transformer
di: Hou, Yanning, et al.
Pubblicazione: (2026)

RocSync: Millisecond-Accurate Temporal Synchronization for Heterogeneous Camera Systems
di: Meyer, Jaro, et al.
Pubblicazione: (2025)

VarAD: Lightweight High-Resolution Image Anomaly Detection via Visual Autoregressive Modeling
di: Cao, Yunkang, et al.
Pubblicazione: (2024)

GATE-AD: Graph Attention Network Encoding For Few-Shot Industrial Visual Anomaly Detection
di: Psiris, Aggelos, et al.
Pubblicazione: (2026)

VID-AD: A Dataset for Image-Level Logical Anomaly Detection under Vision-Induced Distraction
di: Nakata, Hiroto, et al.
Pubblicazione: (2026)

When Every Millisecond Counts: Real-Time Anomaly Detection via the Multimodal Asynchronous Hybrid Network
di: Xiao, Dong, et al.
Pubblicazione: (2025)

Synthesis4AD: Synthetic Anomalies are All You Need for 3D Anomaly Detection
di: Sun, Yihan, et al.
Pubblicazione: (2026)

GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features
di: Sträter, Luc P. J., et al.
Pubblicazione: (2024)

OmniAD: Detect and Understand Industrial Anomaly via Multimodal Reasoning
di: Zhao, Shifang, et al.
Pubblicazione: (2025)

HomographyAD: Deep Anomaly Detection Using Self Homography Learning
di: Seok, Jongyub, et al.
Pubblicazione: (2025)

COFT-AD: COntrastive Fine-Tuning for Few-Shot Anomaly Detection
di: Liao, Jingyi, et al.
Pubblicazione: (2024)

AD-DINOv3: Enhancing DINOv3 for Zero-Shot Anomaly Detection with Anomaly-Aware Calibration
di: Yuan, Jingyi, et al.
Pubblicazione: (2025)

DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection
di: Zhang, Hui, et al.
Pubblicazione: (2023)

ToCoAD: Two-Stage Contrastive Learning for Industrial Anomaly Detection
di: Liang, Yun, et al.
Pubblicazione: (2024)

InvAD: Inversion-based Reconstruction-Free Anomaly Detection with Diffusion Models
di: Sakai, Shunsuke, et al.
Pubblicazione: (2025)

CXR-AD: Component X-ray Image Dataset for Industrial Anomaly Detection
di: Bai, Haoyu, et al.
Pubblicazione: (2025)

FlashCap: Millisecond-Accurate Human Motion Capture via Flashing LEDs and Event-Based Vision
di: Wu, Zekai, et al.
Pubblicazione: (2026)

AIVD: Adaptive Edge-Cloud Collaboration for Accurate and Efficient Industrial Visual Detection
di: Hu, Yunqing, et al.
Pubblicazione: (2026)

AD-Copilot: A Vision-Language Assistant for Industrial Anomaly Detection via Visual In-context Comparison
di: Jiang, Xi, et al.
Pubblicazione: (2026)

PKU-GoodsAD: A Supermarket Goods Dataset for Unsupervised Anomaly Detection and Segmentation
di: Zhang, Jian, et al.
Pubblicazione: (2023)

Omni-AD: Learning to Reconstruct Global and Local Features for Multi-class Anomaly Detection
di: Quan, Jiajie, et al.
Pubblicazione: (2025)

PointAD+: Learning Hierarchical Representations for Zero-shot 3D Anomaly Detection
di: Zhou, Qihang, et al.
Pubblicazione: (2025)

ResAD++: Towards Class Agnostic Anomaly Detection via Residual Feature Learning
di: Yao, Xincheng, et al.
Pubblicazione: (2025)

PromptAD: Learning Prompts with only Normal Samples for Few-Shot Anomaly Detection
di: Li, Xiaofan, et al.
Pubblicazione: (2024)

LogicAD: Explainable Anomaly Detection via VLM-based Text Feature Extraction
di: Jin, Er, et al.
Pubblicazione: (2025)

VL4AD: Vision-Language Models Improve Pixel-wise Anomaly Detection
di: Zhong, Liangyu, et al.
Pubblicazione: (2024)

AnyAD: Unified Any-Modality Anomaly Detection in Incomplete Multi-Sequence MRI
di: Wu, Changwei, et al.
Pubblicazione: (2025)

MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection
di: He, Haoyang, et al.
Pubblicazione: (2024)

KairosAD: A SAM-Based Model for Industrial Anomaly Detection on Embedded Devices
di: Khan, Uzair, et al.
Pubblicazione: (2025)

R3D-AD: Reconstruction via Diffusion for 3D Anomaly Detection
di: Zhou, Zheyuan, et al.
Pubblicazione: (2024)

CableInspect-AD: An Expert-Annotated Anomaly Detection Dataset
di: Arodi, Akshatha, et al.
Pubblicazione: (2024)

Category-Level Object Shape and Pose Estimation in Less Than a Millisecond
di: Shaikewitz, Lorenzo, et al.
Pubblicazione: (2025)

VAN-AD: Visual Masked Autoencoder with Normalizing Flow For Time Series Anomaly Detection
di: Chen, PengYu, et al.
Pubblicazione: (2026)

Towards Accurate Unified Anomaly Segmentation
di: Ma, Wenxin, et al.
Pubblicazione: (2025)

PointAD: Comprehending 3D Anomalies from Points and Pixels for Zero-shot 3D Anomaly Detection
di: Zhou, Qihang, et al.
Pubblicazione: (2024)