Buchumschlag

Multi-feature Reconstruction Network using Crossed-mask Restoration for Unsupervised Industrial Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Junpu, Xu, Guili, Li, Chunlei, Gao, Guangshuai, Cheng, Yuehua, Lu, Bing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RcAE: Recursive Reconstruction Framework for Unsupervised Industrial Anomaly Detection
von: Wu, Rongcheng, et al.
Veröffentlicht: (2025)

Collaborative Reconstruction and Repair for Multi-class Industrial Anomaly Detection
von: Wang, Qishan, et al.
Veröffentlicht: (2025)

FAIR: Frequency-aware Image Restoration for Industrial Visual Anomaly Detection
von: Liu, Tongkun, et al.
Veröffentlicht: (2023)

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

Component-aware Unsupervised Logical Anomaly Generation for Industrial Anomaly Detection
von: Tong, Xuan, et al.
Veröffentlicht: (2025)

Exploring Plain ViT Reconstruction for Multi-class Unsupervised Anomaly Detection
von: Zhang, Jiangning, et al.
Veröffentlicht: (2023)

Scale-Aware Contrastive Reverse Distillation for Unsupervised Medical Anomaly Detection
von: Li, Chunlei, et al.
Veröffentlicht: (2025)

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

URA-Net: Uncertainty-Integrated Anomaly Perception and Restoration Attention Network for Unsupervised Anomaly Detection
von: Luo, Wei, et al.
Veröffentlicht: (2026)

Unsupervised Industrial Anomaly Detection via Pattern Generative and Contrastive Networks
von: Huang, Jianfeng, et al.
Veröffentlicht: (2022)

A Feature Shuffling and Restoration Strategy for Universal Unsupervised Anomaly Detection
von: Luo, Wei, et al.
Veröffentlicht: (2026)

Ensembled Cold-Diffusion Restorations for Unsupervised Anomaly Detection
von: Marimont, Sergio Naval, et al.
Veröffentlicht: (2024)

Context Enhancement with Reconstruction as Sequence for Unified Unsupervised Anomaly Detection
von: Yang, Hui-Yue, et al.
Veröffentlicht: (2024)

One-Step Diffusion with Inverse Residual Fields for Unsupervised Industrial Anomaly Detection
von: Zhang, Boan, et al.
Veröffentlicht: (2026)

Dual-Student Knowledge Distillation Networks for Unsupervised Anomaly Detection
von: Yao, Liyi, et al.
Veröffentlicht: (2024)

Dinomaly: The Less Is More Philosophy in Multi-Class Unsupervised Anomaly Detection
von: Guo, Jia, et al.
Veröffentlicht: (2024)

Memory-Augmented Dual-Decoder Networks for Multi-Class Unsupervised Anomaly Detection
von: Xing, Jingyu, et al.
Veröffentlicht: (2025)

Fence off Anomaly Interference: Cross-Domain Distillation for Fully Unsupervised Anomaly Detection
von: Liu, Xinyue, et al.
Veröffentlicht: (2025)

BridgeNet: A Unified Multimodal Framework for Bridging 2D and 3D Industrial Anomaly Detection
von: Xiang, An, et al.
Veröffentlicht: (2025)

A Survey on RGB, 3D, and Multimodal Approaches for Unsupervised Industrial Image Anomaly Detection
von: Lin, Yuxuan, et al.
Veröffentlicht: (2024)

Center-aware Residual Anomaly Synthesis for Multi-class Industrial Anomaly Detection
von: Chen, Qiyu, et al.
Veröffentlicht: (2025)

Not All Regions Are Equal: Attention-Guided Perturbation Network for Industrial Anomaly Detection
von: Huang, Tingfeng, et al.
Veröffentlicht: (2024)

Incomplete Multimodal Industrial Anomaly Detection via Cross-Modal Distillation
von: Sui, Wenbo, et al.
Veröffentlicht: (2024)

Pyramid-based Mamba Multi-class Unsupervised Anomaly Detection
von: Iqbal, Nasar, et al.
Veröffentlicht: (2025)

Multi-View Reconstruction with Global Context for 3D Anomaly Detection
von: Sun, Yihan, et al.
Veröffentlicht: (2025)

Subspace-Guided Feature Reconstruction for Unsupervised Anomaly Localization
von: Hotta, Katsuya, et al.
Veröffentlicht: (2023)

Template-Based Feature Aggregation Network for Industrial Anomaly Detection
von: Luo, Wei, et al.
Veröffentlicht: (2026)

Towards High-Resolution Industrial Image Anomaly Detection
von: Zhang, Ximiao, et al.
Veröffentlicht: (2025)

YOLC: You Only Look Clusters for Tiny Object Detection in Aerial Images
von: Liu, Chenguang, et al.
Veröffentlicht: (2024)

Robust Distribution Alignment for Industrial Anomaly Detection under Distribution Shift
von: Liao, Jingyi, et al.
Veröffentlicht: (2025)

Cross-Modal Learning for Anomaly Detection in Complex Industrial Process: Methodology and Benchmark
von: Wu, Gaochang, et al.
Veröffentlicht: (2024)

Learning Unified Reference Representation for Unsupervised Multi-class Anomaly Detection
von: He, Liren, et al.
Veröffentlicht: (2024)

Progressive Boundary Guided Anomaly Synthesis for Industrial Anomaly Detection
von: Chen, Qiyu, et al.
Veröffentlicht: (2024)

Beyond Reconstruction: Reconstruction-to-Vector Diffusion for Hyperspectral Anomaly Detection
von: Xiang, Jijun, et al.
Veröffentlicht: (2026)

GLAD: Towards Better Reconstruction with Global and Local Adaptive Diffusion Models for Unsupervised Anomaly Detection
von: Yao, Hang, et al.
Veröffentlicht: (2024)

Cross-Modal Mapping and Dual-Branch Reconstruction for 2D-3D Multimodal Industrial Anomaly Detection
von: Daci, Radia, et al.
Veröffentlicht: (2026)

CNC: Cross-modal Normality Constraint for Unsupervised Multi-class Anomaly Detection
von: Wang, Xiaolei, et al.
Veröffentlicht: (2024)

ProtoAnomalyNCD: Prototype Learning for Multi-class Novel Anomaly Discovery in Industrial Scenarios
von: Zhao, Botong, et al.
Veröffentlicht: (2025)

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

HLGFA: High-Low Resolution Guided Feature Alignment for Unsupervised Anomaly Detection
von: Zhou, Han, et al.
Veröffentlicht: (2026)