Buchumschlag

Few-shot Online Anomaly Detection and Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Shenxing, Wei, Xing, Ma, Zhiheng, Dong, Songlin, Zhang, Shaochen, Gong, Yihong
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

Curriculum Dataset Distillation
von: Ma, Zhiheng, et al.
Veröffentlicht: (2024)

Dual-path Frequency Discriminators for Few-shot Anomaly Detection
von: Bai, Yuhu, et al.
Veröffentlicht: (2024)

CEAT: Continual Expansion and Absorption Transformer for Non-Exemplar Class-Incremental Learning
von: Gao, Xinyuan, et al.
Veröffentlicht: (2024)

Search is All You Need for Few-shot Anomaly Detection
von: Wang, Qishan, et al.
Veröffentlicht: (2025)

P2L-CA: An Effective Parameter Tuning Framework for Rehearsal-Free Multi-Label Class-Incremental Learning
von: Dong, Songlin, et al.
Veröffentlicht: (2026)

MadCLIP: Few-shot Medical Anomaly Detection with CLIP
von: Shiri, Mahshid, et al.
Veröffentlicht: (2025)

AnomalyDINO: Boosting Patch-based Few-shot Anomaly Detection with DINOv2
von: Damm, Simon, et al.
Veröffentlicht: (2024)

Bridge the Points: Graph-based Few-shot Segment Anything Semantically
von: Zhang, Anqi, et al.
Veröffentlicht: (2024)

MediCLIP: Adapting CLIP for Few-shot Medical Image Anomaly Detection
von: Zhang, Ximiao, et al.
Veröffentlicht: (2024)

Towards Few-shot Out-of-Distribution Detection
von: Dong, Jiuqing, et al.
Veröffentlicht: (2023)

FADE: Few-shot/zero-shot Anomaly Detection Engine using Large Vision-Language Model
von: Li, Yuanwei, et al.
Veröffentlicht: (2024)

Positional Prompt Tuning for Efficient 3D Representation Learning
von: Zhang, Shaochen, et al.
Veröffentlicht: (2024)

Learn by Reasoning: Analogical Weight Generation for Few-Shot Class-Incremental Learning
von: Han, Jizhou, et al.
Veröffentlicht: (2025)

Organizing Background to Explore Latent Classes for Incremental Few-shot Semantic Segmentation
von: Shan, Lianlei, et al.
Veröffentlicht: (2024)

Adaptive Prompt Learning with SAM for Few-shot Scanning Probe Microscope Image Segmentation
von: Shen, Yao, et al.
Veröffentlicht: (2024)

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

Few-shot Human Action Anomaly Detection via a Unified Contrastive Learning Framework
von: Kamide, Koichiro, et al.
Veröffentlicht: (2025)

Beyond Prompt Learning: Continual Adapter for Efficient Rehearsal-Free Continual Learning
von: Gao, Xinyuan, et al.
Veröffentlicht: (2024)

Modularized Networks for Few-shot Hateful Meme Detection
von: Cao, Rui, et al.
Veröffentlicht: (2024)

Decoupling Classifier for Boosting Few-shot Object Detection and Instance Segmentation
von: Gao, Bin-Bin, et al.
Veröffentlicht: (2025)

FLAME: Frozen Large Language Models Enable Data-Efficient Language-Image Pre-training
von: Cao, Anjia, et al.
Veröffentlicht: (2024)

SD-MAD: Sign-Driven Few-shot Multi-Anomaly Detection in Medical Images
von: Guo, Kaiyu, et al.
Veröffentlicht: (2025)

ProSR: Process-Shaped Spatial Reasoning for Reliable Chain-of-Thought in VLMs
von: Li, Jiangyang, et al.
Veröffentlicht: (2026)

Dual Distillation for Few-Shot Anomaly Detection
von: Dong, Le, et al.
Veröffentlicht: (2026)

Rethinking Few-shot Class-incremental Learning: Learning from Yourself
von: Tang, Yu-Ming, et al.
Veröffentlicht: (2024)

OFL-SAM2: Prompt SAM2 with Online Few-shot Learner for Efficient Medical Image Segmentation
von: Lan, Meng, et al.
Veröffentlicht: (2025)

ARTrackV2: Prompting Autoregressive Tracker Where to Look and How to Describe
von: Bai, Yifan, et al.
Veröffentlicht: (2023)

Toward Generalist Anomaly Detection via In-context Residual Learning with Few-shot Sample Prompts
von: Zhu, Jiawen, et al.
Veröffentlicht: (2024)

UniVAD: A Training-free Unified Model for Few-shot Visual Anomaly Detection
von: Gu, Zhaopeng, et al.
Veröffentlicht: (2024)

Beyond Mask: Rethinking Guidance Types in Few-shot Segmentation
von: Chang, Shijie, et al.
Veröffentlicht: (2024)

I2CANSAY:Inter-Class Analogical Augmentation and Intra-Class Significance Analysis for Non-Exemplar Online Task-Free Continual Learning
von: Dong, Songlin, et al.
Veröffentlicht: (2024)

CMaP-SAM: Contraction Mapping Prior for SAM-driven Few-shot Segmentation
von: Chen, Shuai, et al.
Veröffentlicht: (2025)

Few-shot Defect Image Generation based on Consistency Modeling
von: Shi, Qingfeng, et al.
Veröffentlicht: (2024)

Projecting Points to Axes: Oriented Object Detection via Point-Axis Representation
von: Zhao, Zeyang, et al.
Veröffentlicht: (2024)

Applying ViT in Generalized Few-shot Semantic Segmentation
von: Geng, Liyuan, et al.
Veröffentlicht: (2024)

IQE-CLIP: Instance-aware Query Embedding for Zero-/Few-shot Anomaly Detection in Medical Domain
von: Huang, Hong, et al.
Veröffentlicht: (2025)

Diversity Covariance-Aware Prompt Learning for Vision-Language Models
von: Dong, Songlin, et al.
Veröffentlicht: (2025)

Unbiased Semantic Decoding with Vision Foundation Models for Few-shot Segmentation
von: Wang, Jin, et al.
Veröffentlicht: (2025)

SSL-MedSAM2: A Semi-supervised Medical Image Segmentation Framework Powered by Few-shot Learning of SAM2
von: Gong, Zhendi, et al.
Veröffentlicht: (2025)

No Time to Train: Empowering Non-Parametric Networks for Few-shot 3D Scene Segmentation
von: Zhu, Xiangyang, et al.
Veröffentlicht: (2024)