Buchumschlag

Evaluating Modern Visual Anomaly Detection Approaches in Semiconductor Manufacturing: A Comparative Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Barusco, Manuel, Borsatti, Francesco, Khalifa, Youssef Ben, Pezze, Davide Dalle, Susto, Gian Antonio
Format:	Preprint
Veröffentlicht:	2025
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

AdapTS: Lightweight Teacher-Student Approach for Multi-Class and Continual Visual Anomaly Detection
von: Barusco, Manuel, et al.
Veröffentlicht: (2026)

MoViAD: A Modular Library for Visual Anomaly Detection
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

Towards Continual Visual Anomaly Detection in the Medical Domain
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

Continual Visual Anomaly Detection on the Edge: Benchmark and Efficient Solutions
von: Barusco, Manuel, et al.
Veröffentlicht: (2026)

MIRAGE: Model-agnostic Industrial Realistic Anomaly Generation and Evaluation for Visual Anomaly Detection
von: Hu, Jinwei, et al.
Veröffentlicht: (2026)

Memory Efficient Continual Learning for Edge-Based Visual Anomaly Detection
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

PaSTe: Improving the Efficiency of Visual Anomaly Detection at the Edge
von: Barusco, Manuel, et al.
Veröffentlicht: (2024)

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

VAD4Space: Visual Anomaly Detection for Planetary Surface Imagery
von: Genilotti, Fabrizio, et al.
Veröffentlicht: (2026)

Efficient Visual Anomaly Detection at the Edge: Enabling Real-Time Industrial Inspection on Resource-Constrained Devices
von: Stropeni, Arianna, et al.
Veröffentlicht: (2026)

Towards Scalable IoT Deployment for Visual Anomaly Detection via Efficient Compression
von: Stropeni, Arianna, et al.
Veröffentlicht: (2025)

From Vision to Sound: Advancing Audio Anomaly Detection with Vision-Based Algorithms
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

AD4AD: Benchmarking Visual Anomaly Detection Models for Safer Autonomous Driving
von: Genilotti, Fabrizio, et al.
Veröffentlicht: (2026)

Domain Adaptation for Image Classification of Defects in Semiconductor Manufacturing
von: Poniatowski, Adrian, 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)

Continual Learning Approaches for Anomaly Detection
von: Pezze, Davide Dalle, et al.
Veröffentlicht: (2022)

Teach YOLO to Remember: A Self-Distillation Approach for Continual Object Detection
von: De Monte, Riccardo, et al.
Veröffentlicht: (2025)

Deep Learning for Virtual Reality User Identification: A Benchmark
von: Frizzo, Davide, et al.
Veröffentlicht: (2026)

TiROD: Tiny Robotics Dataset and Benchmark for Continual Object Detection
von: Pasti, Francesco, et al.
Veröffentlicht: (2024)

Multi-Label Continual Learning for the Medical Domain: A Novel Benchmark
von: Ceccon, Marina, et al.
Veröffentlicht: (2024)

Fairness Evolution in Continual Learning for Medical Imaging
von: Ceccon, Marina, et al.
Veröffentlicht: (2024)

Latent Distillation for Continual Object Detection at the Edge
von: Pasti, Francesco, et al.
Veröffentlicht: (2024)

Replay Consolidation with Label Propagation for Continual Object Detection
von: De Monte, Riccardo, et al.
Veröffentlicht: (2024)

A Quantile Regression Approach for Remaining Useful Life Estimation with State Space Models
von: Frizzo, Davide, et al.
Veröffentlicht: (2025)

Function Based Isolation Forest (FuBIF): A Unifying Framework for Interpretable Isolation-Based Anomaly Detection
von: Arcudi, Alessio, et al.
Veröffentlicht: (2025)

Towards Transparent and Efficient Anomaly Detection in Industrial Processes through ExIFFI
von: Frizzo, Davide, et al.
Veröffentlicht: (2024)

Underrepresentation, Label Bias, and Proxies: Towards Data Bias Profiles for the EU AI Act and Beyond
von: Ceccon, Marina, et al.
Veröffentlicht: (2025)

ProDER: A Continual Learning Approach for Fault Prediction in Evolving Smart Grids
von: Efatinasab, Emad, et al.
Veröffentlicht: (2025)

Bayesian Deep Learning for Remaining Useful Life Estimation via Stein Variational Gradient Descent
von: Della Libera, Luca, et al.
Veröffentlicht: (2024)

Q-Former Autoencoder: A Modern Framework for Medical Anomaly Detection
von: Dalmonte, Francesco, et al.
Veröffentlicht: (2025)

Continual Learning for Behavior-based Driver Identification
von: Fanan, Mattia, et al.
Veröffentlicht: (2024)

On-Device Continual Learning for Unsupervised Visual Anomaly Detection in Dynamic Manufacturing
von: Ren, Haoyu, et al.
Veröffentlicht: (2025)

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

AssemAI: Interpretable Image-Based Anomaly Detection for Manufacturing Pipelines
von: Prasad, Renjith, et al.
Veröffentlicht: (2024)

A Survey on Visual Anomaly Detection: Challenge, Approach, and Prospect
von: Cao, Yunkang, et al.
Veröffentlicht: (2024)

Variational Autoencoder for Anomaly Detection: A Comparative Study
von: Nguyen, Huy Hoang, et al.
Veröffentlicht: (2024)

Attention Modules Improve Modern Image-Level Anomaly Detection: A DifferNet Case Study
von: Silva, André Luiz B. Vieira e, et al.
Veröffentlicht: (2024)

Hyperspectral Anomaly Detection Methods: A Survey and Comparative Study
von: Pant, Aayushma, et al.
Veröffentlicht: (2025)

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

A Comparative Study of Modern Object Detectors for Robust Apple Detection in Orchard Imagery
von: Asad, Mohammed, et al.
Veröffentlicht: (2026)