Buchumschlag

ProtoAnomalyNCD: Prototype Learning for Multi-class Novel Anomaly Discovery in Industrial Scenarios

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Botong, Shi, Qijun, Lyu, Shujing, Lu, Yue
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

AnomalyNCD: Towards Novel Anomaly Class Discovery in Industrial Scenarios
von: Huang, Ziming, et al.
Veröffentlicht: (2024)

Unsupervised Integrated-Circuit Defect Segmentation via Image-Intrinsic Normality
von: Zhao, Botong, et al.
Veröffentlicht: (2025)

Image-Intrinsic Priors for Integrated Circuit Defect Detection and Novel Class Discovery via Self-Supervised Learning
von: Zhao, Botong., et al.
Veröffentlicht: (2025)

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

Pro-AD: Learning Comprehensive Prototypes with Prototype-based Constraint for Multi-class Unsupervised Anomaly Detection
von: Zhou, Ziqing, et al.
Veröffentlicht: (2025)

NeurNCD: Novel Class Discovery via Implicit Neural Representation
von: Wang, Junming, et al.
Veröffentlicht: (2025)

Collaborative Reconstruction and Repair for Multi-class Industrial Anomaly Detection
von: Wang, Qishan, et al.
Veröffentlicht: (2025)

Referring Industrial Anomaly Segmentation
von: Yue, Pengfei, et al.
Veröffentlicht: (2026)

LithoSeg: A Coarse-to-Fine Framework for High-Precision Lithography Segmentation
von: He, Xinyu, et al.
Veröffentlicht: (2025)

Prior Normality Prompt Transformer for Multi-class Industrial Image Anomaly Detection
von: Yao, Haiming, et al.
Veröffentlicht: (2024)

Learning Multi-view Multi-class Anomaly Detection
von: Yu, Qianzi, et al.
Veröffentlicht: (2025)

FastRef:Fast Prototype Refinement for Few-Shot Industrial Anomaly Detection
von: Tian, Long, et al.
Veröffentlicht: (2025)

PostureObjectstitch: Anomaly Image Generation Considering Assembly Relationships in Industrial Scenarios
von: Tong, Zebei, et al.
Veröffentlicht: (2026)

ProtoMask: Segmentation-Guided Prototype Learning
von: Meinert, Steffen, et al.
Veröffentlicht: (2025)

DynProto: Dynamic Prototype Evolution for Out-of-Distribution Detection
von: Wu, Yanqi, et al.
Veröffentlicht: (2026)

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

OmniAD: Detect and Understand Industrial Anomaly via Multimodal Reasoning
von: Zhao, Shifang, et al.
Veröffentlicht: (2025)

AnomalyXFusion: Multi-modal Anomaly Synthesis with Diffusion
von: Hu, Jie, et al.
Veröffentlicht: (2024)

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

Generate Aligned Anomaly: Region-Guided Few-Shot Anomaly Image-Mask Pair Synthesis for Industrial Inspection
von: Lu, Yilin, et al.
Veröffentlicht: (2025)

Learning Unified Reference Representation for Unsupervised Multi-class Anomaly Detection
von: He, Liren, 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)

A Prototype-Based Neural Network for Image Anomaly Detection and Localization
von: Huang, Chao, et al.
Veröffentlicht: (2023)

ADPretrain: Advancing Industrial Anomaly Detection via Anomaly Representation Pretraining
von: Yao, Xincheng, et al.
Veröffentlicht: (2025)

IPAD: Industrial Process Anomaly Detection Dataset
von: Liu, Jinfan, et al.
Veröffentlicht: (2024)

Distribution Prototype Diffusion Learning for Open-set Supervised Anomaly Detection
von: Wang, Fuyun, et al.
Veröffentlicht: (2025)

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

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

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

Novel Anomaly Detection Scenarios and Evaluation Metrics to Address the Ambiguity in the Definition of Normal Samples
von: Saito, Reiji, et al.
Veröffentlicht: (2026)

Open-set Anomaly Segmentation in Complex Scenarios
von: Xia, Song, et al.
Veröffentlicht: (2025)

Forward Consistency Learning with Gated Context Aggregation for Video Anomaly Detection
von: Lyu, Jiahao, et al.
Veröffentlicht: (2026)

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

Omni-AD: Learning to Reconstruct Global and Local Features for Multi-class Anomaly Detection
von: Quan, Jiajie, et al.
Veröffentlicht: (2025)

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

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

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

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

Test Time Training for Industrial Anomaly Segmentation
von: Costanzino, Alex, et al.
Veröffentlicht: (2024)

ProtoDepth: Unsupervised Continual Depth Completion with Prototypes
von: Rim, Patrick, et al.
Veröffentlicht: (2025)