Buchumschlag

Interactive Explainable Anomaly Detection for Industrial Settings

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gramelt, Daniel, Höfer, Timon, Schmid, Ute
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

REB: Reducing Biases in Representation for Industrial Anomaly Detection
von: Lyu, Shuai, et al.
Veröffentlicht: (2023)

Explainable Visual Anomaly Detection via Concept Bottleneck Models
von: Stropeni, Arianna, et al.
Veröffentlicht: (2025)

Background-Aware Defect Generation for Robust Industrial Anomaly Detection
von: Cho, Youngjae, et al.
Veröffentlicht: (2024)

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

Towards Efficient Pixel Labeling for Industrial Anomaly Detection and Localization
von: Wu, Jingqi, et al.
Veröffentlicht: (2025)

Text-Guided Variational Image Generation for Industrial Anomaly Detection and Segmentation
von: Lee, Mingyu, et al.
Veröffentlicht: (2024)

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

IAD-R1: Reinforcing Consistent Reasoning in Industrial Anomaly Detection
von: Li, Yanhui, et al.
Veröffentlicht: (2025)

On the Black-box Explainability of Object Detection Models for Safe and Trustworthy Industrial Applications
von: Andres, Alain, et al.
Veröffentlicht: (2024)

Injecting Explainability and Lightweight Design into Weakly Supervised Video Anomaly Detection Systems
von: Jiang, Wen-Dong, et al.
Veröffentlicht: (2024)

Knowledge-Guided Textual Reasoning for Explainable Video Anomaly Detection via LLMs
von: Lee, Hari
Veröffentlicht: (2025)

AMI-Net: Adaptive Mask Inpainting Network for Industrial Anomaly Detection and Localization
von: Luo, Wei, et al.
Veröffentlicht: (2024)

MMVIAD: Multi-view Multi-task Video Understanding for Industrial Anomaly Detection
von: Zhao, Xiran, et al.
Veröffentlicht: (2026)

SSVP: Synergistic Semantic-Visual Prompting for Industrial Zero-Shot Anomaly Detection
von: Fu, Chenhao, et al.
Veröffentlicht: (2026)

Locally Testing Model Detections for Semantic Global Concepts
von: Motzkus, Franz, et al.
Veröffentlicht: (2024)

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

AnomalyAgent: Agentic Industrial Anomaly Synthesis via Tool-Augmented Reinforcement Learning
von: Su, Jiaming, et al.
Veröffentlicht: (2026)

AD-Copilot: A Vision-Language Assistant for Industrial Anomaly Detection via Visual In-context Comparison
von: Jiang, Xi, et al.
Veröffentlicht: (2026)

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

Zero-Shot Industrial Anomaly Segmentation with Image-Aware Prompt Generation
von: Park, SoYoung, et al.
Veröffentlicht: (2025)

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

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

Dynamic Distinction Learning: Adaptive Pseudo Anomalies for Video Anomaly Detection
von: Lappas, Demetris, et al.
Veröffentlicht: (2024)

Rethinking Video Human-Object Interaction: Set Prediction over Time for Unified Detection and Anticipation
von: Luo, Yuanhao, et al.
Veröffentlicht: (2026)

Weakly-Supervised Spatiotemporal Anomaly Detection
von: Gianchandani, Urvi, et al.
Veröffentlicht: (2026)

No Need For Real Anomaly: MLLM Empowered Zero-Shot Video Anomaly Detection
von: Dai, Zunkai, et al.
Veröffentlicht: (2026)

IAD-Unify: A Region-Grounded Unified Model for Industrial Anomaly Segmentation, Understanding, and Generation
von: Zheng, Haoyu, et al.
Veröffentlicht: (2026)

Evaluating the Energy Efficiency of Few-Shot Learning for Object Detection in Industrial Settings
von: Tsoumplekas, Georgios, et al.
Veröffentlicht: (2024)

Multimodal Real-Time Anomaly Detection and Industrial Applications
von: Verma, Aman, et al.
Veröffentlicht: (2025)

AnomalySD: Few-Shot Multi-Class Anomaly Detection with Stable Diffusion Model
von: Yan, Zhenyu, et al.
Veröffentlicht: (2024)

Towards Video Anomaly Retrieval from Video Anomaly Detection: New Benchmarks and Model
von: Wu, Peng, et al.
Veröffentlicht: (2023)

AA-CLIP: Enhancing Zero-shot Anomaly Detection via Anomaly-Aware CLIP
von: Ma, Wenxin, et al.
Veröffentlicht: (2025)

Parameter Efficient Multi-Class Intelligent Scheduling for Multimodal Online Distributed Industrial Anomaly Detection
von: Wang, Heqiang, et al.
Veröffentlicht: (2026)

SALAD -- Semantics-Aware Logical Anomaly Detection
von: Fučka, Matic, et al.
Veröffentlicht: (2025)

Rethinking Metrics and Benchmarks of Video Anomaly Detection
von: Liu, Zihao, et al.
Veröffentlicht: (2025)

A Comprehensive Augmentation Framework for Anomaly Detection
von: Lin, Jiang, et al.
Veröffentlicht: (2023)

Normal-Abnormal Guided Generalist Anomaly Detection
von: Wang, Yuexin, et al.
Veröffentlicht: (2025)

Anomaly Detection by Effectively Leveraging Synthetic Images
von: Kang, Sungho, et al.
Veröffentlicht: (2025)

H-Sets: Hessian-Guided Discovery of Set-Level Feature Interactions in Image Classifiers
von: Mehrotra, Ayushi, et al.
Veröffentlicht: (2026)