Buchumschlag

Cross-Modal Learning for Anomaly Detection in Complex Industrial Process: Methodology and Benchmark

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Gaochang, Zhang, Yapeng, Deng, Lan, Zhang, Jingxin, Chai, Tianyou
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

RAID: Retrieval-Augmented Anomaly Detection
von: Cai, Mingxiu, et al.
Veröffentlicht: (2026)

CostFilter-AD: Enhancing Anomaly Detection through Matching Cost Filtering
von: Zhang, Zhe, et al.
Veröffentlicht: (2025)

Unified Unsupervised Anomaly Detection via Matching Cost Filtering
von: Zhang, Zhe, et al.
Veröffentlicht: (2025)

Geo-NI: Geometry-aware Neural Interpolation for Light Field Rendering
von: Wu, Gaochang, et al.
Veröffentlicht: (2022)

Unified Domain Adaptive Semantic Segmentation
von: Zhang, Zhe, et al.
Veröffentlicht: (2023)

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

Robust Modality-incomplete Anomaly Detection: A Modality-instructive Framework with Benchmark
von: Miao, Bingchen, et al.
Veröffentlicht: (2024)

IPAD: Industrial Process Anomaly Detection Dataset
von: Liu, Jinfan, et al.
Veröffentlicht: (2024)

Noise Fusion-based Distillation Learning for Anomaly Detection in Complex Industrial Environments
von: Yu, Jiawen, et al.
Veröffentlicht: (2025)

Breaking the Bias: Recalibrating the Attention of Industrial Anomaly Detection
von: Chen, Xin, et al.
Veröffentlicht: (2024)

ADPretrain: Advancing Industrial Anomaly Detection via Anomaly Representation Pretraining
von: Yao, Xincheng, et al.
Veröffentlicht: (2025)

Supervised Anomaly Detection for Complex Industrial Images
von: Baitieva, Aimira, et al.
Veröffentlicht: (2024)

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

ASBench: Image Anomalies Synthesis Benchmark for Anomaly Detection
von: Zhang, Qunyi, et al.
Veröffentlicht: (2025)

Detect, Classify, Act: Categorizing Industrial Anomalies with Multi-Modal Large Language Models
von: Mokhtar, Sassan, et al.
Veröffentlicht: (2025)

Bridge Feature Matching and Cross-Modal Alignment with Mutual-filtering for Zero-shot Anomaly Detection
von: Bai, Yuhu, et al.
Veröffentlicht: (2025)

A Unified Anomaly Synthesis Strategy with Gradient Ascent for Industrial Anomaly Detection and Localization
von: Chen, Qiyu, et al.
Veröffentlicht: (2024)

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

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

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

Real-IAD: A Real-World Multi-View Dataset for Benchmarking Versatile Industrial Anomaly Detection
von: Wang, Chengjie, et al.
Veröffentlicht: (2024)

Visual Anomaly Detection under Complex View-Illumination Interplay: A Large-Scale Benchmark
von: Cao, Yunkang, et al.
Veröffentlicht: (2025)

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

EMIT: Enhancing MLLMs for Industrial Anomaly Detection via Difficulty-Aware GRPO
von: Guan, Wei, et al.
Veröffentlicht: (2025)

Towards Efficient Pixel Labeling for Industrial Anomaly Detection and Localization
von: Li, Hanxi, et al.
Veröffentlicht: (2024)

Cross-Modal Fusion and Attention Mechanism for Weakly Supervised Video Anomaly Detection
von: Ghadiya, Ayush, et al.
Veröffentlicht: (2024)

Beyond Academic Benchmarks: Critical Analysis and Best Practices for Visual Industrial Anomaly Detection
von: Baitieva, Aimira, et al.
Veröffentlicht: (2025)

Salvaging the Overlooked: Leveraging Class-Aware Contrastive Learning for Multi-Class Anomaly Detection
von: Fan, Lei, et al.
Veröffentlicht: (2024)

Self-Navigated Residual Mamba for Universal Industrial Anomaly Detection
von: Li, Hanxi, et al.
Veröffentlicht: (2025)

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

CMIP-CIL: A Cross-Modal Benchmark for Image-Point Class Incremental Learning
von: Qi, Chao, et al.
Veröffentlicht: (2025)

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

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

DiffX: Guide Your Layout to Cross-Modal Generative Modeling
von: Wang, Zeyu, et al.
Veröffentlicht: (2024)

Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection
von: Tu, Yuanpeng, et al.
Veröffentlicht: (2024)

BMAD: Benchmarks for Medical Anomaly Detection
von: Bao, Jinan, et al.
Veröffentlicht: (2023)

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

AnomalyR1: A GRPO-based End-to-end MLLM for Industrial Anomaly Detection
von: Chao, Yuhao, et al.
Veröffentlicht: (2025)

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

Industrial Anomaly Detection and Localization Using Weakly-Supervised Residual Transformers
von: Li, Hanxi, et al.
Veröffentlicht: (2023)