Buchumschlag

Reconstruction-Based Anomaly Localization via Knowledge-Informed Self-Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qian, Cheng, Lao, Xiaoxian, Li, Chunguang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Self-Supervised Training with Autoencoders for Visual Anomaly Detection
von: Bauer, Alexander, et al.
Veröffentlicht: (2022)

Statistical Test for Diffusion-Based Anomaly Localization via Selective Inference
von: Katsuoka, Teruyuki, et al.
Veröffentlicht: (2024)

Hyperspectral Anomaly Detection with Self-Supervised Anomaly Prior
von: Liu, Yidan, et al.
Veröffentlicht: (2024)

Localizing Anomalies via Multiscale Score Matching Analysis
von: Mahmood, Ahsan, et al.
Veröffentlicht: (2024)

Multi-feature Reconstruction Network using Crossed-mask Restoration for Unsupervised Industrial Anomaly Detection
von: Wang, Junpu, et al.
Veröffentlicht: (2024)

Bi-Grid Reconstruction for Image Anomaly Detection
von: Huang, Huichuan, et al.
Veröffentlicht: (2025)

Self-Tuning Self-Supervised Image Anomaly Detection
von: Yoo, Jaemin, et al.
Veröffentlicht: (2023)

SubspaceAD: Training-Free Few-Shot Anomaly Detection via Subspace Modeling
von: Lendering, Camile, et al.
Veröffentlicht: (2026)

LVT: Large-Scale Scene Reconstruction via Local View Transformers
von: Imtiaz, Tooba, et al.
Veröffentlicht: (2025)

PatchGuard: Adversarially Robust Anomaly Detection and Localization through Vision Transformers and Pseudo Anomalies
von: Nafez, Mojtaba, et al.
Veröffentlicht: (2025)

Revisiting Deep Feature Reconstruction for Logical and Structural Industrial Anomaly Detection
von: Patra, Sukanya, et al.
Veröffentlicht: (2024)

DMin: Scalable Training Data Influence Estimation for Diffusion Models
von: Lin, Huawei, et al.
Veröffentlicht: (2024)

Hierarchical Gaussian Mixture Normalizing Flow Modeling for Unified Anomaly Detection
von: Yao, Xincheng, et al.
Veröffentlicht: (2024)

Towards Few-Call Model Stealing via Active Self-Paced Knowledge Distillation and Diffusion-Based Image Generation
von: Hondru, Vlad, et al.
Veröffentlicht: (2023)

TRACE: Reconstruction-Based Anomaly Detection in Ensemble and Time-Dependent Simulations
von: Gadirov, Hamid, et al.
Veröffentlicht: (2026)

Functional Localization Enforced Deep Anomaly Detection Using Fundus Images
von: Ruhland, Jan Benedikt, et al.
Veröffentlicht: (2025)

FiLo: Zero-Shot Anomaly Detection by Fine-Grained Description and High-Quality Localization
von: Gu, Zhaopeng, et al.
Veröffentlicht: (2024)

STEP: Enhancing Video-LLMs' Compositional Reasoning by Spatio-Temporal Graph-guided Self-Training
von: Qiu, Haiyi, et al.
Veröffentlicht: (2024)

FUN-AD: Fully Unsupervised Learning for Anomaly Detection with Noisy Training Data
von: Im, Jiin, et al.
Veröffentlicht: (2024)

Self-Supervised Iterative Refinement for Anomaly Detection in Industrial Quality Control
von: Aqeel, Muhammad, et al.
Veröffentlicht: (2024)

Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly Detectors
von: Ristea, Nicolae-Catalin, et al.
Veröffentlicht: (2023)

NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation
von: Huo, Jingyang, et al.
Veröffentlicht: (2024)

LRM-Zero: Training Large Reconstruction Models with Synthesized Data
von: Xie, Desai, et al.
Veröffentlicht: (2024)

Contrastive Localized Language-Image Pre-Training
von: Chen, Hong-You, et al.
Veröffentlicht: (2024)

LoFi: Neural Local Fields for Scalable Image Reconstruction
von: Khorashadizadeh, AmirEhsan, et al.
Veröffentlicht: (2024)

Research on Anomaly Detection Methods Based on Diffusion Models
von: Chen, Yi
Veröffentlicht: (2025)

Unsupervised Video Domain Adaptation with Masked Pre-Training and Collaborative Self-Training
von: Reddy, Arun, et al.
Veröffentlicht: (2023)

ReC-TTT: Contrastive Feature Reconstruction for Test-Time Training
von: Colussi, Marco, et al.
Veröffentlicht: (2024)

A Unified Contrastive Loss for Self-Training
von: Gauffre, Aurelien, et al.
Veröffentlicht: (2024)

Physics-Informed Learning of Characteristic Trajectories for Smoke Reconstruction
von: Wang, Yiming, et al.
Veröffentlicht: (2024)

Rethinking Autoencoders for Medical Anomaly Detection from A Theoretical Perspective
von: Cai, Yu, et al.
Veröffentlicht: (2024)

Flow Matching with Uncertainty Quantification and Guidance
von: Han, Juyeop, et al.
Veröffentlicht: (2026)

Enhancing Consistency-Based Image Generation via Adversarialy-Trained Classification and Energy-Based Discrimination
von: Golan, Shelly, et al.
Veröffentlicht: (2024)

Vision Foundation Model Embedding-Based Semantic Anomaly Detection
von: Ronecker, Max Peter, et al.
Veröffentlicht: (2025)

Go beyond End-to-End Training: Boosting Greedy Local Learning with Context Supply
von: Yu, Chengting, et al.
Veröffentlicht: (2023)

Reimagining Anomalies: What If Anomalies Were Normal?
von: Liznerski, Philipp, et al.
Veröffentlicht: (2024)

Robust Anomaly Detection in Industrial Environments via Meta-Learning
von: Aqeel, Muhammad, et al.
Veröffentlicht: (2025)

Enhancing Generative Networks for Chest Anomaly Localization through Automatic Registration-Based Unpaired-to-Pseudo-Paired Training Data Translation
von: Kim, Kyungsu, et al.
Veröffentlicht: (2022)

Realistic Face Reconstruction from Facial Embeddings via Diffusion Models
von: Han, Dong, et al.
Veröffentlicht: (2026)

Remembering by Reconstructing: Domain Incremental Learning With Test-Time Training on Video Streams
von: Swinnen, Jonathan, et al.
Veröffentlicht: (2026)