Buchumschlag

Multimodal Task Representation Memory Bank vs. Catastrophic Forgetting in Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, You, Zhao, Jiangshan, Zeng, Deyu, Zuo, Zuo, Liu, Weixiang, Wu, Zongze
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CLIP-FSAC++: Few-Shot Anomaly Classification with Anomaly Descriptor Based on CLIP
von: Zuo, Zuo, et al.
Veröffentlicht: (2024)

Training-Free Anomaly Generation via Dual-Attention Enhancement in Diffusion Model
von: Zuo, Zuo, et al.
Veröffentlicht: (2025)

CLIP3D-AD: Extending CLIP for 3D Few-Shot Anomaly Detection with Multi-View Images Generation
von: Zuo, Zuo, et al.
Veröffentlicht: (2024)

HyperDefect-YOLO: Enhance YOLO with HyperGraph Computation for Industrial Defect Detection
von: Zuo, Zuo, et al.
Veröffentlicht: (2024)

A Survey on RGB, 3D, and Multimodal Approaches for Unsupervised Industrial Image Anomaly Detection
von: Lin, Yuxuan, et al.
Veröffentlicht: (2024)

Preventing Catastrophic Forgetting through Memory Networks in Continuous Detection
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2024)

MCF-VC: Mitigate Catastrophic Forgetting in Class-Incremental Learning for Multimodal Video Captioning
von: Xiong, Huiyu, et al.
Veröffentlicht: (2024)

Mask Focal Loss: A unifying framework for dense crowd counting with canonical object detection networks
von: Zhong, Xiaopin, et al.
Veröffentlicht: (2022)

Myriad: Large Multimodal Model by Applying Vision Experts for Industrial Anomaly Detection
von: Li, Yuanze, et al.
Veröffentlicht: (2023)

Continuous Memory Representation for Anomaly Detection
von: Lee, Joo Chan, et al.
Veröffentlicht: (2024)

ForgeDreamer: Industrial Text-to-3D Generation with Multi-Expert LoRA and Cross-View Hypergraph
von: Cai, Junhao, et al.
Veröffentlicht: (2026)

Quantified Task Misalignment to Inform PEFT: An Exploration of Domain Generalization and Catastrophic Forgetting in CLIP
von: Niss, Laura, et al.
Veröffentlicht: (2024)

Anomaly Multi-classification in Industrial Scenarios: Transferring Few-shot Learning to a New Task
von: Liu, Jie, et al.
Veröffentlicht: (2024)

Demystifying Catastrophic Forgetting in Two-Stage Incremental Object Detector
von: Wu, Qirui, et al.
Veröffentlicht: (2025)

MuseumMaker: Continual Style Customization without Catastrophic Forgetting
von: Liu, Chenxi, et al.
Veröffentlicht: (2024)

Solving the Catastrophic Forgetting Problem in Generalized Category Discovery
von: Cao, Xinzi, et al.
Veröffentlicht: (2025)

LiSD: An Efficient Multi-Task Learning Framework for LiDAR Segmentation and Detection
von: Xu, Jiahua, et al.
Veröffentlicht: (2024)

Pathological Prior-Guided Multiple Instance Learning For Mitigating Catastrophic Forgetting in Breast Cancer Whole Slide Image Classification
von: Zheng, Weixi, et al.
Veröffentlicht: (2025)

DMAD: Dual Memory Bank for Real-World Anomaly Detection
von: Hu, Jianlong, et al.
Veröffentlicht: (2024)

UniMMAD: Unified Multi-Modal and Multi-Class Anomaly Detection via MoE-Driven Feature Decompression
von: Zhao, Yuan, et al.
Veröffentlicht: (2025)

Make Domain Shift a Catastrophic Forgetting Alleviator in Class-Incremental Learning
von: Chen, Wei, et al.
Veröffentlicht: (2024)

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

Fine Tuning without Catastrophic Forgetting via Selective Low Rank Adaptation
von: Bafghi, Reza Akbarian, et al.
Veröffentlicht: (2025)

Reducing Catastrophic Forgetting in Online Class Incremental Learning Using Self-Distillation
von: Nagata, Kotaro, et al.
Veröffentlicht: (2024)

EXACFS -- A CIL Method to mitigate Catastrophic Forgetting
von: Balasubramanian, S, et al.
Veröffentlicht: (2024)

ReMemNav: A Rethinking and Memory-Augmented Framework for Zero-Shot Object Navigation
von: Wu, Feng, et al.
Veröffentlicht: (2026)

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

MultiClimate: Multimodal Stance Detection on Climate Change Videos
von: Wang, Jiawen, et al.
Veröffentlicht: (2024)

IQE-CLIP: Instance-aware Query Embedding for Zero-/Few-shot Anomaly Detection in Medical Domain
von: Huang, Hong, et al.
Veröffentlicht: (2025)

GLAD: Towards Better Reconstruction with Global and Local Adaptive Diffusion Models for Unsupervised Anomaly Detection
von: Yao, Hang, et al.
Veröffentlicht: (2024)

TMUAD: Enhancing Logical Capabilities in Unified Anomaly Detection Models with a Text Memory Bank
von: Liu, Jiawei, et al.
Veröffentlicht: (2025)

Parameter Efficient Fine-tuning of Self-supervised ViTs without Catastrophic Forgetting
von: Bafghi, Reza Akbarian, et al.
Veröffentlicht: (2024)

Continuous Representation Methods, Theories, and Applications: An Overview and Perspectives
von: Luo, Yisi, et al.
Veröffentlicht: (2025)

Continual Learning and Catastrophic Forgetting
von: van de Ven, Gido M., et al.
Veröffentlicht: (2024)

Exploring Kolmogorov-Arnold Network Expansions in Vision Transformers for Mitigating Catastrophic Forgetting in Continual Learning
von: Ullah, Zahid, et al.
Veröffentlicht: (2025)

Learning Spatially Decoupled Color Representations for Facial Image Colorization
von: Zhu, Hangyan, et al.
Veröffentlicht: (2024)

Triad: Empowering LMM-based Anomaly Detection with Vision Expert-guided Visual Tokenizer and Manufacturing Process
von: Li, Yuanze, et al.
Veröffentlicht: (2025)

Multimodal Diffusion Transformer with Memory Bank for Scalable Long-Duration Talking Video Generation
von: Zhang, Haojie, et al.
Veröffentlicht: (2024)

Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models
von: Laurensi, Israel A., et al.
Veröffentlicht: (2024)

ZeroFlow: Overcoming Catastrophic Forgetting is Easier than You Think
von: Feng, Tao, et al.
Veröffentlicht: (2025)