Buchumschlag

Few-Shot Anomaly Detection via Category-Agnostic Registration Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Chaoqin, Guan, Haoyan, Jiang, Aofan, Zhang, Ya, Spratling, Michael, Wang, Xinchao, Wang, Yanfeng
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

Multi-Scale Memory Comparison for Zero-/Few-Shot Anomaly Detection
von: Huang, Chaoqin, et al.
Veröffentlicht: (2023)

Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images
von: Huang, Chaoqin, et al.
Veröffentlicht: (2024)

Anomaly Detection in Electrocardiograms: Advancing Clinical Diagnosis Through Self-Supervised Learning
von: Jiang, Aofan, et al.
Veröffentlicht: (2024)

Self-supervised Anomaly Detection Pretraining Enhances Long-tail ECG Diagnosis
von: Jiang, Aofan, et al.
Veröffentlicht: (2024)

Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis
von: Huang, Chaoqin, et al.
Veröffentlicht: (2026)

One Prompt Word is Enough to Boost Adversarial Robustness for Pre-trained Vision-Language Models
von: Li, Lin, et al.
Veröffentlicht: (2024)

Commonality in Few: Few-Shot Multimodal Anomaly Detection via Hypergraph-Enhanced Memory
von: Lin, Yuxuan, et al.
Veröffentlicht: (2025)

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

Prototypical Learning Guided Context-Aware Segmentation Network for Few-Shot Anomaly Detection
von: Jiang, Yuxin, et al.
Veröffentlicht: (2025)

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

ABounD: Adversarial Boundary-Driven Few-Shot Learning for Multi-Class Anomaly Detection
von: Deng, Runzhi, et al.
Veröffentlicht: (2025)

A Comprehensive Assessment Benchmark for Rigorously Evaluating Deep Learning Image Classifiers
von: Spratling, Michael W.
Veröffentlicht: (2023)

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

AnomalyDiffusion: Few-Shot Anomaly Image Generation with Diffusion Model
von: Hu, Teng, et al.
Veröffentlicht: (2023)

Res$^2$CLIP: Few-Shot Generalist Anomaly Detection with Residual-to-Residual Alignment
von: Liu, Xinyue, et al.
Veröffentlicht: (2026)

Kernel-Aware Graph Prompt Learning for Few-Shot Anomaly Detection
von: Tao, Fenfang, et al.
Veröffentlicht: (2024)

VTFusion: A Vision-Text Multimodal Fusion Network for Few-Shot Anomaly Detection
von: Jiang, Yuxin, et al.
Veröffentlicht: (2026)

AnomalyAgent: Training-Free Agentic Models for Zero-/Few-Shot Anomaly Detection
von: Zhang, Yi, et al.
Veröffentlicht: (2026)

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

UltraAD: Fine-Grained Ultrasound Anomaly Classification via Few-Shot CLIP Adaptation
von: Zhou, Yue, et al.
Veröffentlicht: (2025)

Prototype-Driven Adaptation for Few-Shot Object Detection
von: Huang, Yushen, et al.
Veröffentlicht: (2025)

DMP-3DAD: Cross-Category 3D Anomaly Detection via Realistic Depth Map Projection with Few Normal Samples
von: Wang, Zi, et al.
Veröffentlicht: (2026)

Few-shot Implicit Function Generation via Equivariance
von: Huang, Suizhi, et al.
Veröffentlicht: (2025)

Adding New Categories in Object Detection Using Few-Shot Copy-Paste
von: Deng, Boyang, et al.
Veröffentlicht: (2022)

IADGPT: Unified LVLM for Few-Shot Industrial Anomaly Detection, Localization, and Reasoning via In-Context Learning
von: Zhao, Mengyang, et al.
Veröffentlicht: (2025)

Towards Fine-Grained Vision-Language Alignment for Few-Shot Anomaly Detection
von: Fan, Yuanting, et al.
Veröffentlicht: (2025)

UniRiT: Towards Few-Shot Non-Rigid Point Cloud Registration
von: Li, Geng, et al.
Veröffentlicht: (2024)

Few-Shot Generalized Category Discovery With Retrieval-Guided Decision Boundary Enhancement
von: Ren, Yunhan, et al.
Veröffentlicht: (2025)

FAAR: Efficient Frequency-Aware Multi-Task Fine-Tuning via Automatic Rank Selection
von: Fontana, Maxime, et al.
Veröffentlicht: (2026)

Learning to Adapt Category Consistent Meta-Feature of CLIP for Few-Shot Classification
von: Shi, Jiaying, et al.
Veröffentlicht: (2024)

Few-shot Novel Category Discovery
von: Li, Chunming, et al.
Veröffentlicht: (2025)

Explaining Away Results in Accurate and Tolerant Template Matching
von: Spratling, M. W.
Veröffentlicht: (2019)

Exploring Cross-Modal Flows for Few-Shot Learning
von: Jiang, Ziqi, et al.
Veröffentlicht: (2025)

AirShot: Efficient Few-Shot Detection for Autonomous Exploration
von: Wang, Zihan, et al.
Veröffentlicht: (2024)

COFT-AD: COntrastive Fine-Tuning for Few-Shot Anomaly Detection
von: Liao, Jingyi, et al.
Veröffentlicht: (2024)

ResAD++: Towards Class Agnostic Anomaly Detection via Residual Feature Learning
von: Yao, Xincheng, et al.
Veröffentlicht: (2025)

DictAS: A Framework for Class-Generalizable Few-Shot Anomaly Segmentation via Dictionary Lookup
von: Qu, Zhen, et al.
Veröffentlicht: (2025)

GroundingAnomaly: Spatially-Grounded Diffusion for Few-Shot Anomaly Synthesis
von: Liu, Yishen, et al.
Veröffentlicht: (2026)

SQLNet: Scale-Modulated Query and Localization Network for Few-Shot Class-Agnostic Counting
von: Wu, Hefeng, et al.
Veröffentlicht: (2023)

Generalized Semantic Contrastive Learning via Embedding Side Information for Few-Shot Object Detection
von: Chen, Ruoyu, et al.
Veröffentlicht: (2025)