Buchumschlag

Separating Novel Features for Logical Anomaly Detection: A Straightforward yet Effective Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Kangil, Kim, Geonuk
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

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

Cycle-Consistency Uncertainty Estimation for Visual Prompting based One-Shot Defect Segmentation
von: Kim, Geonuk
Veröffentlicht: (2024)

Language-Assisted Feature Transformation for Anomaly Detection
von: Yun, EungGu, et al.
Veröffentlicht: (2025)

CLIP Meets Diffusion: A Synergistic Approach to Anomaly Detection
von: Lee, Byeongchan, et al.
Veröffentlicht: (2025)

DINO-Detect: A Simple yet Effective Framework for Blur-Robust AI-Generated Image Detection
von: Shen, Jialiang, et al.
Veröffentlicht: (2025)

Set Features for Anomaly Detection
von: Cohen, Niv, et al.
Veröffentlicht: (2023)

UniSpector: Towards Universal Open-set Defect Recognition via Spectral-Contrastive Visual Prompting
von: Kim, Geonuk, et al.
Veröffentlicht: (2026)

Pushing Trade-Off Boundaries: Compact yet Effective Remote Sensing Change Detection
von: Xu, Luosheng, et al.
Veröffentlicht: (2025)

LogiCode: an LLM-Driven Framework for Logical Anomaly Detection
von: Zhang, Yiheng, et al.
Veröffentlicht: (2024)

CCAD: Compressed Global Feature Conditioned Anomaly Detection
von: Jin, Xiao, et al.
Veröffentlicht: (2025)

A Novel Representation of Periodic Pattern and Its Application to Untrained Anomaly Detection
von: Ye, Peng, et al.
Veröffentlicht: (2024)

Pursuing Feature Separation based on Neural Collapse for Out-of-Distribution Detection
von: Wu, Yingwen, et al.
Veröffentlicht: (2024)

Few Shot Part Segmentation Reveals Compositional Logic for Industrial Anomaly Detection
von: Kim, Soopil, et al.
Veröffentlicht: (2023)

Global Pre-fixing, Local Adjusting: A Simple yet Effective Contrastive Strategy for Continual Learning
von: Tang, Jia, et al.
Veröffentlicht: (2025)

Removing Geometric Bias in One-Class Anomaly Detection with Adaptive Feature Perturbation
von: Hermary, Romain, et al.
Veröffentlicht: (2025)

A Concise yet Effective model for Non-Aligned Incomplete Multi-view and Missing Multi-label Learning
von: Li, Xiang, et al.
Veröffentlicht: (2020)

Beta-Sigma VAE: Separating beta and decoder variance in Gaussian variational autoencoder
von: Kim, Seunghwan, et al.
Veröffentlicht: (2024)

Hyperspectral Anomaly Detection with Self-Supervised Anomaly Prior
von: Liu, Yidan, et al.
Veröffentlicht: (2024)

On the Problem of Consistent Anomalies in Zero-Shot Anomaly Detection
von: Le-Gia, Tai
Veröffentlicht: (2025)

HD Maps are Lane Detection Generalizers: A Novel Generative Framework for Single-Source Domain Generalization
von: Lee, Daeun, et al.
Veröffentlicht: (2023)

Harnessing EHRs for Diffusion-based Anomaly Detection on Chest X-rays
von: Kim, Harim, et al.
Veröffentlicht: (2025)

Simple yet Effective Semi-supervised Knowledge Distillation from Vision-Language Models via Dual-Head Optimization
von: Kang, Seongjae, et al.
Veröffentlicht: (2025)

Bayesian Autoencoder for Medical Anomaly Detection: Uncertainty-Aware Approach for Brain 2 MRI Analysis
von: Roy, Dip
Veröffentlicht: (2025)

Learning Discriminative Signed Distance Functions from Multi-scale Level-of-detail Features for 3D Anomaly Detection
von: Xiao, Haibo, et al.
Veröffentlicht: (2026)

Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach
von: Rai, Ayush K., et al.
Veröffentlicht: (2023)

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

Detecting What Matters: A Novel Approach for Out-of-Distribution 3D Object Detection in Autonomous Vehicles
von: Taha, Menna, et al.
Veröffentlicht: (2025)

Unveiling the Anomalies in an Ever-Changing World: A Benchmark for Pixel-Level Anomaly Detection in Continual Learning
von: Bugarin, Nikola, et al.
Veröffentlicht: (2024)

Unsupervised Anomaly Detection on Implicit Shape representations for Sarcopenia Detection
von: Piecuch, Louise, et al.
Veröffentlicht: (2025)

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

Real-Time Anomaly Detection in Video Streams
von: Poirier, Fabien
Veröffentlicht: (2024)

An Attribute-based Method for Video Anomaly Detection
von: Reiss, Tal, et al.
Veröffentlicht: (2022)

Tailored Transformation Invariance for Industrial Anomaly Detection
von: Schönfeld, Mariette, et al.
Veröffentlicht: (2025)

Bi-Grid Reconstruction for Image Anomaly Detection
von: Huang, Huichuan, et al.
Veröffentlicht: (2025)

PatchGuard: Adversarially Robust Anomaly Detection and Localization through Vision Transformers and Pseudo Anomalies
von: Nafez, Mojtaba, et al.
Veröffentlicht: (2025)

Anomaly-Driven Approach for Enhanced Prostate Cancer Segmentation
von: Hu, Alessia, et al.
Veröffentlicht: (2025)

TailedCore: Few-Shot Sampling for Unsupervised Long-Tail Noisy Anomaly Detection
von: Jung, Yoon Gyo, et al.
Veröffentlicht: (2025)

SplatPose & Detect: Pose-Agnostic 3D Anomaly Detection
von: Kruse, Mathis, et al.
Veröffentlicht: (2024)

Rethinking Autoencoders for Medical Anomaly Detection from A Theoretical Perspective
von: Cai, Yu, et al.
Veröffentlicht: (2024)

ResAD: A Simple Framework for Class Generalizable Anomaly Detection
von: Yao, Xincheng, et al.
Veröffentlicht: (2024)