Buchumschlag

Constricting Normal Latent Space for Anomaly Detection with Normal-only Training Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Astrid, Marcella, Zaheer, Muhammad Zaigham, Lee, Seung-Ik
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

Clustering Aided Weakly Supervised Training to Detect Anomalous Events in Surveillance Videos
von: Zaheer, Muhammad Zaigham, et al.
Veröffentlicht: (2022)

Exploiting Autoencoder's Weakness to Generate Pseudo Anomalies
von: Astrid, Marcella, et al.
Veröffentlicht: (2024)

Stabilizing Adversarially Learned One-Class Novelty Detection Using Pseudo Anomalies
von: Zaheer, Muhammad Zaigham, et al.
Veröffentlicht: (2022)

Collaborative Learning of Anomalies with Privacy (CLAP) for Unsupervised Video Anomaly Detection: A New Baseline
von: Al-lahham, Anas, et al.
Veröffentlicht: (2024)

DiffuseMix: Label-Preserving Data Augmentation with Diffusion Models
von: Islam, Khawar, et al.
Veröffentlicht: (2024)

Face Pyramid Vision Transformer
von: Islam, Khawar, et al.
Veröffentlicht: (2022)

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

GenMix: Effective Data Augmentation with Generative Diffusion Model Image Editing
von: Islam, Khawar, et al.
Veröffentlicht: (2024)

Normality Addition via Normality Detection in Industrial Image Anomaly Detection Models
von: Yi, Jihun, et al.
Veröffentlicht: (2024)

Zero-Shot Anomaly Detection in Battery Thermal Images Using Visual Question Answering with Prior Knowledge
von: Astrid, Marcella, et al.
Veröffentlicht: (2025)

VideoPatchCore: An Effective Method to Memorize Normality for Video Anomaly Detection
von: Ahn, Sunghyun, et al.
Veröffentlicht: (2024)

DINOLight: Robust Ambient Light Normalization with Self-supervised Visual Prior Integration
von: Oh, Youngjin, et al.
Veröffentlicht: (2026)

Beyond Normal References: Discriminative Few-Shot Anomaly Detection
von: Wang, Huan, et al.
Veröffentlicht: (2026)

SimFlow: Simplified and End-to-End Training of Latent Normalizing Flows
von: Zhao, Qinyu, et al.
Veröffentlicht: (2025)

Normal-Abnormal Guided Generalist Anomaly Detection
von: Wang, Yuexin, et al.
Veröffentlicht: (2025)

Text Prompt with Normality Guidance for Weakly Supervised Video Anomaly Detection
von: Yang, Zhiwei, et al.
Veröffentlicht: (2024)

Thinking Beyond Labels: Vocabulary-Free Fine-Grained Recognition using Reasoning-Augmented LMMs
von: Demidov, Dmitry, et al.
Veröffentlicht: (2025)

Normal and Abnormal Pathology Knowledge-Augmented Vision-Language Model for Anomaly Detection in Pathology Images
von: Song, Jinsol, et al.
Veröffentlicht: (2025)

Batch Normalization in Cytometry Data by kNN-Graph Preservation
von: Battikh, Muhammad S., et al.
Veröffentlicht: (2023)

Prior Normality Prompt Transformer for Multi-class Industrial Image Anomaly Detection
von: Yao, Haiming, et al.
Veröffentlicht: (2024)

Frequency-Guided Multi-Level Human Action Anomaly Detection with Normalizing Flows
von: Maeda, Shun, et al.
Veröffentlicht: (2024)

Structural Teacher-Student Normality Learning for Multi-Class Anomaly Detection and Localization
von: Deng, Hanqiu, et al.
Veröffentlicht: (2024)

STNMamba: Mamba-based Spatial-Temporal Normality Learning for Video Anomaly Detection
von: Li, Zhangxun, et al.
Veröffentlicht: (2024)

Motion Semantics Guided Normalizing Flow for Privacy-Preserving Video Anomaly Detection
von: Liu, Yang, et al.
Veröffentlicht: (2026)

Vocabulary-free Fine-grained Visual Recognition via Enriched Contextually Grounded Vision-Language Model
von: Demidov, Dmitry, et al.
Veröffentlicht: (2025)

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

SB-BEVFusion: Enhancing the Robustness against Sensor Malfunction and Corruptions
von: Essl, Markus, et al.
Veröffentlicht: (2026)

Face-Voice Association with Inductive Bias for Maximum Class Separation
von: Moscati, Marta, et al.
Veröffentlicht: (2026)

Exploring Intrinsic Normal Prototypes within a Single Image for Universal Anomaly Detection
von: Luo, Wei, et al.
Veröffentlicht: (2025)

Novel Anomaly Detection Scenarios and Evaluation Metrics to Address the Ambiguity in the Definition of Normal Samples
von: Saito, Reiji, et al.
Veröffentlicht: (2026)

U-Flow: A U-shaped Normalizing Flow for Anomaly Detection with Unsupervised Threshold
von: Tailanian, Matías, et al.
Veröffentlicht: (2022)

Normality Prior Guided Multi-Semantic Fusion Network for Unsupervised Image Anomaly Detection
von: Xu, Muhao, et al.
Veröffentlicht: (2025)

Normality-Preserving Continual Industrial Anomaly Detection via Orthogonal LoRA Banks
von: Fang, Weibai, et al.
Veröffentlicht: (2026)

AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock
von: Nawaz, Umair, et al.
Veröffentlicht: (2025)

INP-Former++: Advancing Universal Anomaly Detection via Intrinsic Normal Prototypes and Residual Learning
von: Luo, Wei, et al.
Veröffentlicht: (2025)

DevPrompt: Deviation-Based Prompt Learning for One-Normal ShotImage Anomaly Detection
von: Poudineh, Morteza, et al.
Veröffentlicht: (2026)

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

One-to-Normal: Anomaly Personalization for Few-shot Anomaly Detection
von: Li, Yiyue, et al.
Veröffentlicht: (2025)

Cosine-Normalized Attention for Hyperspectral Image Classification
von: Ahmad, Muhammad, et al.
Veröffentlicht: (2026)

PhaseMark: A Post-hoc, Optimization-Free Watermarking of AI-generated Images in the Latent Frequency Domain
von: Lee, Sung Ju, et al.
Veröffentlicht: (2026)