:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Yalong, Mao, Liquan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2409.14109
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CLIP-TNseg: A Multi-Modal Hybrid Framework for Thyroid Nodule Segmentation in Ultrasound Images
von: Sun, Xinjie, et al.
Veröffentlicht: (2024)

CKNN: Cleansed k-Nearest Neighbor for Unsupervised Video Anomaly Detection
von: Yi, Jihun, et al.
Veröffentlicht: (2024)

Cerberus: Real-Time Video Anomaly Detection via Cascaded Vision-Language Models
von: Zheng, Yue, et al.
Veröffentlicht: (2025)

A Hierarchically Feature Reconstructed Autoencoder for Unsupervised Anomaly Detection
von: Chen, Honghui, et al.
Veröffentlicht: (2024)

Interleaving One-Class and Weakly-Supervised Models with Adaptive Thresholding for Unsupervised Video Anomaly Detection
von: Nie, Yongwei, et al.
Veröffentlicht: (2024)

Dual-Modeling Decouple Distillation for Unsupervised Anomaly Detection
von: Liu, Xinyue, et al.
Veröffentlicht: (2024)

AssistPDA: An Online Video Surveillance Assistant for Video Anomaly Prediction, Detection, and Analysis
von: Yang, Zhiwei, et al.
Veröffentlicht: (2025)

Unlocking Vision-Language Models for Video Anomaly Detection via Fine-Grained Prompting
von: Zou, Shu, et al.
Veröffentlicht: (2025)

Video Anomaly Detection and Explanation via Large Language Models
von: Lv, Hui, et al.
Veröffentlicht: (2024)

MLE-UVAD: Minimal Latent Entropy Autoencoder for Fully Unsupervised Video Anomaly Detection
von: Geng, Yuang, et al.
Veröffentlicht: (2026)

Rad-VLSM: A Cross-Modal Framework with Semantics-Assisted Prompting for Medical Segmentation and Diagnosis
von: Zhang, Fengyi, et al.
Veröffentlicht: (2026)

Anomaly Detection by Adapting a pre-trained Vision Language Model
von: Cai, Yuxuan, et al.
Veröffentlicht: (2024)

Towards Training-free Anomaly Detection with Vision and Language Foundation Models
von: Zhang, Jinjin, et al.
Veröffentlicht: (2025)

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

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

SlowFastVAD: Video Anomaly Detection via Integrating Simple Detector and RAG-Enhanced Vision-Language Model
von: Ding, Zongcan, et al.
Veröffentlicht: (2025)

KKA: Improving Vision Anomaly Detection through Anomaly-related Knowledge from Large Language Models
von: Chen, Dong, et al.
Veröffentlicht: (2025)

Harnessing Large Language Models for Training-free Video Anomaly Detection
von: Zanella, Luca, et al.
Veröffentlicht: (2024)

Follow the Rules: Reasoning for Video Anomaly Detection with Large Language Models
von: Yang, Yuchen, et al.
Veröffentlicht: (2024)

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

Spatial Autoregressive Modeling of DINOv3 Embeddings for Unsupervised Anomaly Detection
von: Erdil, Ertunc, et al.
Veröffentlicht: (2026)

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

Exploring Large Vision-Language Models for Robust and Efficient Industrial Anomaly Detection
von: Qian, Kun, et al.
Veröffentlicht: (2024)

Topo-R1: Detecting Topological Anomalies via Vision-Language Models
von: Xu, Meilong, et al.
Veröffentlicht: (2026)

One Language-Free Foundation Model Is Enough for Universal Vision Anomaly Detection
von: Gao, Bin-Bin, et al.
Veröffentlicht: (2026)

VLMDiff: Leveraging Vision-Language Models for Multi-Class Anomaly Detection with Diffusion
von: Hicsonmez, Samet, et al.
Veröffentlicht: (2025)

CSAD: Unsupervised Component Segmentation for Logical Anomaly Detection
von: Hsieh, Yu-Hsuan, et al.
Veröffentlicht: (2024)

Exploring Multimodal Prompts For Unsupervised Continuous Anomaly Detection
von: Zhou, Mingle, et al.
Veröffentlicht: (2026)

H2VLR: Heterogeneous Hypergraph Vision-Language Reasoning for Few-Shot Anomaly Detection
von: Huang, Jianghong, et al.
Veröffentlicht: (2026)

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

VERA: Explainable Video Anomaly Detection via Verbalized Learning of Vision-Language Models
von: Ye, Muchao, et al.
Veröffentlicht: (2024)

VL4AD: Vision-Language Models Improve Pixel-wise Anomaly Detection
von: Zhong, Liangyu, et al.
Veröffentlicht: (2024)

Unsupervised Anomaly Detection via Masked Diffusion Posterior Sampling
von: Wu, Di, et al.
Veröffentlicht: (2024)

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

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

FTDMamba: Frequency-Assisted Temporal Dilation Mamba for Unmanned Aerial Vehicle Video Anomaly Detection
von: Liu, Cheng-Zhuang, et al.
Veröffentlicht: (2026)

MoniTor: Exploiting Large Language Models with Instruction for Online Video Anomaly Detection
von: Yang, Shengtian, et al.
Veröffentlicht: (2025)

AnomalyFactory: Regard Anomaly Generation as Unsupervised Anomaly Localization
von: Zhao, Ying
Veröffentlicht: (2024)

MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection
von: He, Haoyang, et al.
Veröffentlicht: (2024)

Unsupervised Deep Generative Models for Anomaly Detection in Neuroimaging: A Systematic Scoping Review
von: Mahé, Youwan, et al.
Veröffentlicht: (2025)