Copertina

Bayesian Prompt Flow Learning for Zero-Shot Anomaly Detection

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Qu, Zhen, Tao, Xian, Gong, Xinyi, Qu, Shichen, Chen, Qiyu, Zhang, Zhengtao, Wang, Xingang, Ding, Guiguang
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

DictAS: A Framework for Class-Generalizable Few-Shot Anomaly Segmentation via Dictionary Lookup
di: Qu, Zhen, et al.
Pubblicazione: (2025)

ALMRR: Anomaly Localization Mamba on Industrial Textured Surface with Feature Reconstruction and Refinement
di: Qu, Shichen, et al.
Pubblicazione: (2024)

AG-VAS: Anchor-Guided Zero-Shot Visual Anomaly Segmentation with Large Multimodal Models
di: Qu, Zhen, et al.
Pubblicazione: (2026)

CoPS: Conditional Prompt Synthesis for Zero-Shot Anomaly Detection
di: Chen, Qiyu, et al.
Pubblicazione: (2025)

VCP-CLIP: A visual context prompting model for zero-shot anomaly segmentation
di: Qu, Zhen, et al.
Pubblicazione: (2024)

MRAD: Zero-Shot Anomaly Detection with Memory-Driven Retrieval
di: Xu, Chaoran, et al.
Pubblicazione: (2026)

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

DeltaDeno: Zero-Shot Anomaly Generation via Delta-Denoising Attribution
di: Xu, Chaoran, et al.
Pubblicazione: (2025)

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

PromptAD: Learning Prompts with only Normal Samples for Few-Shot Anomaly Detection
di: Li, Xiaofan, et al.
Pubblicazione: (2024)

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

Zero-Shot Anomaly Detection with Dual-Branch Prompt Selection
di: Wang, Zihan, et al.
Pubblicazione: (2025)

WMoE-CLIP: Wavelet-Enhanced Mixture-of-Experts Prompt Learning for Zero-Shot Anomaly Detection
di: Chen, Peng, et al.
Pubblicazione: (2026)

Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection
di: Salehi, Alireza, et al.
Pubblicazione: (2025)

Kernel-Aware Graph Prompt Learning for Few-Shot Anomaly Detection
di: Tao, Fenfang, et al.
Pubblicazione: (2024)

PromptMoE: Generalizable Zero-Shot Anomaly Detection via Visually-Guided Prompt Mixtures
di: Shao, Yuheng, et al.
Pubblicazione: (2025)

AdaCLIP: Adapting CLIP with Hybrid Learnable Prompts for Zero-Shot Anomaly Detection
di: Cao, Yunkang, et al.
Pubblicazione: (2024)

Enhancing Zero-Shot Anomaly Detection: CLIP-SAM Collaboration with Cascaded Prompts
di: Hou, Yanning, et al.
Pubblicazione: (2025)

AnomalyCLIP: Object-agnostic Prompt Learning for Zero-shot Anomaly Detection
di: Zhou, Qihang, et al.
Pubblicazione: (2023)

Anomagic: Crossmodal Prompt-driven Zero-shot Anomaly Generation
di: Jiang, Yuxin, et al.
Pubblicazione: (2025)

A Unified Reasoning Framework for Holistic Zero-Shot Video Anomaly Analysis
di: Lin, Dongheng, et al.
Pubblicazione: (2025)

Automatic Prompt Generation and Grounding Object Detection for Zero-Shot Image Anomaly Detection
di: Cheung, Tsun-Hin, et al.
Pubblicazione: (2024)

StackCLIP: Clustering-Driven Stacked Prompt in Zero-Shot Industrial Anomaly Detection
di: Hou, Yanning, et al.
Pubblicazione: (2025)

AnomalyPainter: Vision-Language-Diffusion Synergy for Zero-Shot Realistic and Diverse Industrial Anomaly Synthesis
di: Lai, Zhangyu, et al.
Pubblicazione: (2025)

EntroAD: Structural Entropy-Guided Prompt Adaptation for Zero-Shot Anomaly Detection
di: Zhao, Xinyu, et al.
Pubblicazione: (2026)

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

KAnoCLIP: Zero-Shot Anomaly Detection through Knowledge-Driven Prompt Learning and Enhanced Cross-Modal Integration
di: Li, Chengyuan, et al.
Pubblicazione: (2025)

Dual-Image Enhanced CLIP for Zero-Shot Anomaly Detection
di: Zhang, Zhaoxiang, et al.
Pubblicazione: (2024)

TokenCLIP: Token-wise Prompt Learning for Zero-shot Anomaly Detection
di: Zhou, Qihang, et al.
Pubblicazione: (2025)

AnyAnomaly: Zero-Shot Customizable Video Anomaly Detection with LVLM
di: Ahn, Sunghyun, et al.
Pubblicazione: (2025)

VETime: Vision Enhanced Zero-Shot Time Series Anomaly Detection
di: Yang, Yingyuan, et al.
Pubblicazione: (2026)

AnomalyAgent: Training-Free Agentic Models for Zero-/Few-Shot Anomaly Detection
di: Zhang, Yi, et al.
Pubblicazione: (2026)

PA-CLIP: Enhancing Zero-Shot Anomaly Detection through Pseudo-Anomaly Awareness
di: Pan, Yurui, et al.
Pubblicazione: (2025)

On the Problem of Consistent Anomalies in Zero-Shot Industrial Anomaly Detection
di: Le-Gia, Tai, et al.
Pubblicazione: (2025)

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

Fine-grained Abnormality Prompt Learning for Zero-shot Anomaly Detection
di: Zhu, Jiawen, et al.
Pubblicazione: (2024)

ClipSAM: CLIP and SAM Collaboration for Zero-Shot Anomaly Segmentation
di: Li, Shengze, et al.
Pubblicazione: (2024)

DevPrompt: Deviation-Based Prompt Learning for One-Normal ShotImage Anomaly Detection
di: Poudineh, Morteza, et al.
Pubblicazione: (2026)

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

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