Buchumschlag

Real-IAD: A Real-World Multi-View Dataset for Benchmarking Versatile Industrial Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Chengjie, Zhu, Wenbing, Gao, Bin-Bin, Gan, Zhenye, Zhang, Jianning, Gu, Zhihao, Qian, Shuguang, Chen, Mingang, Ma, Lizhuang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Real-IAD D3: A Real-World 2D/Pseudo-3D/3D Dataset for Industrial Anomaly Detection
von: Zhu, Wenbing, et al.
Veröffentlicht: (2025)

Real-IAD Variety: Pushing Industrial Anomaly Detection Dataset to a Modern Era
von: Zhu, Wenbing, et al.
Veröffentlicht: (2025)

Real-IAD MVN: A Multi-View Normal Vector Dataset and Benchmark for High-Fidelity Industrial Anomaly Detection
von: Zhu, Wenbing, et al.
Veröffentlicht: (2026)

SoftPatch+: Fully Unsupervised Anomaly Classification and Segmentation
von: Wang, Chengjie, et al.
Veröffentlicht: (2024)

IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing
von: Xie, Guoyang, et al.
Veröffentlicht: (2023)

DMAD: Dual Memory Bank for Real-World Anomaly Detection
von: Hu, Jianlong, et al.
Veröffentlicht: (2024)

HSS-IAD: A Heterogeneous Same-Sort Industrial Anomaly Detection Dataset
von: Wang, Qishan, et al.
Veröffentlicht: (2025)

One Language-Free Foundation Model Is Enough for Universal Vision Anomaly Detection
von: Gao, Bin-Bin, et al.
Veröffentlicht: (2026)

MMAD: A Comprehensive Benchmark for Multimodal Large Language Models in Industrial Anomaly Detection
von: Jiang, Xi, et al.
Veröffentlicht: (2024)

AutoIAD: Manager-Driven Multi-Agent Collaboration for Automated Industrial Anomaly Detection
von: Ji, Dongwei, et al.
Veröffentlicht: (2025)

A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection
von: Zhang, Jiangning, et al.
Veröffentlicht: (2024)

IAD-R1: Reinforcing Consistent Reasoning in Industrial Anomaly Detection
von: Li, Yanhui, et al.
Veröffentlicht: (2025)

LR-IAD:Mask-Free Industrial Anomaly Detection with Logical Reasoning
von: Zeng, Peijian, et al.
Veröffentlicht: (2025)

PSPU: Enhanced Positive and Unlabeled Learning by Leveraging Pseudo Supervision
von: Wang, Chengjie, et al.
Veröffentlicht: (2024)

AgentIAD: Agentic Industrial Anomaly Detection via Adaptive Memory Augmentation
von: Miao, Junwen, et al.
Veröffentlicht: (2025)

AI ‐ IAD : An Artificial Intelligence Driven Framework for Real‐Time Anomaly Detection in VANET Communication Channels
von: Ang Li, et al.
Veröffentlicht: (2026)

ZSG-IAD: A Multimodal Framework for Zero-Shot Grounded Industrial Anomaly Detection
von: Chen, Qiuhui, et al.
Veröffentlicht: (2026)

ISP-AD: A Large-Scale Real-World Dataset for Advancing Industrial Anomaly Detection with Synthetic and Real Defects
von: Krassnig, Paul J., et al.
Veröffentlicht: (2025)

Enhancing Multi-Class Anomaly Detection via Diffusion Refinement with Dual Conditioning
von: Zhan, Jiawei, et al.
Veröffentlicht: (2024)

D-GARA: A Dynamic Benchmarking Framework for GUI Agent Robustness in Real-World Anomalies
von: Chen, Sen, et al.
Veröffentlicht: (2025)

IAD-GPT: Advancing Visual Knowledge in Multimodal Large Language Model for Industrial Anomaly Detection
von: Li, Zewen, et al.
Veröffentlicht: (2025)

Learning to Detect Multi-class Anomalies with Just One Normal Image Prompt
von: Gao, Bin-Bin
Veröffentlicht: (2025)

M3DM-NR: RGB-3D Noisy-Resistant Industrial Anomaly Detection via Multimodal Denoising
von: Wang, Chengjie, et al.
Veröffentlicht: (2024)

Few-Shot Anomaly-Driven Generation for Anomaly Classification and Segmentation
von: Gui, Guan, et al.
Veröffentlicht: (2025)

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

Exploring Pose-Based Anomaly Detection for Retail Security: A Real-World Shoplifting Dataset and Benchmark
von: Rashvand, Narges, et al.
Veröffentlicht: (2025)

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

Texture-AD: An Anomaly Detection Dataset and Benchmark for Real Algorithm Development
von: Lei, Tianwu, et al.
Veröffentlicht: (2024)

YOLO-Master: MOE-Accelerated with Specialized Transformers for Enhanced Real-time Detection
von: Lin, Xu, et al.
Veröffentlicht: (2025)

IAD-Unify: A Region-Grounded Unified Model for Industrial Anomaly Segmentation, Understanding, and Generation
von: Zheng, Haoyu, et al.
Veröffentlicht: (2026)

Multimodal Real-Time Anomaly Detection and Industrial Applications
von: Verma, Aman, et al.
Veröffentlicht: (2025)

RAD: A Dataset and Benchmark for Real-Life Anomaly Detection with Robotic Observations
von: Zhou, Kaichen, et al.
Veröffentlicht: (2024)

EngineAD: A Real-World Vehicle Engine Anomaly Detection Dataset
von: Hojjati, Hadi, et al.
Veröffentlicht: (2026)

Multi-View Industrial Anomaly Detection with Epipolar Constrained Cross-View Fusion
von: Liu, Yifan, et al.
Veröffentlicht: (2025)

Real-Time Adaptive Anomaly Detection in Industrial IoT Environments
von: Raeiszadeh, Mahsa, et al.
Veröffentlicht: (2026)

A Multi-Scenario UAV RF Dataset with Real-World Acquisition and Signal Processing Benchmarking
von: Zheng, Haolin, et al.
Veröffentlicht: (2026)

Unsupervised Continual Anomaly Detection with Contrastively-learned Prompt
von: Liu, Jiaqi, et al.
Veröffentlicht: (2024)

SoftPatch: Unsupervised Anomaly Detection with Noisy Data
von: Jiang, Xi, et al.
Veröffentlicht: (2024)

Unsupervised Anomaly Detection in Process-Complex Industrial Time Series: A Real-World Case Study
von: Krasnikov, Sergej, et al.
Veröffentlicht: (2026)

Advancing Real-World Parking Slot Detection with Large-Scale Dataset and Semi-Supervised Baseline
von: Zhang, Zhihao, et al.
Veröffentlicht: (2025)