Buchumschlag

SSVP: Synergistic Semantic-Visual Prompting for Industrial Zero-Shot Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fu, Chenhao, Fang, Han, Zheng, Xiuzheng, Wei, Wenbo, Li, Yonghua, Sun, Hao, Li, Xuelong
Format:	Preprint
Veröffentlicht:	2026
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

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

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

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

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

PatchEAD: Unifying Industrial Visual Prompting Frameworks for Patch-Exclusive Anomaly Detection
von: Huang, Po-Han, et al.
Veröffentlicht: (2025)

AnoRefiner: Anomaly-Aware Group-Wise Refinement for Zero-Shot Industrial Anomaly Detection
von: Huang, Dayou, et al.
Veröffentlicht: (2025)

Visual and Semantic Prompt Collaboration for Generalized Zero-Shot Learning
von: Jiang, Huajie, et al.
Veröffentlicht: (2025)

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

ViP$^2$-CLIP: Visual-Perception Prompting with Unified Alignment for Zero-Shot Anomaly Detection
von: Yang, Ziteng, et al.
Veröffentlicht: (2025)

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

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

Bayesian Prompt Flow Learning for Zero-Shot Anomaly Detection
von: Qu, Zhen, et al.
Veröffentlicht: (2025)

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

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

AFR-CLIP: Enhancing Zero-Shot Industrial Anomaly Detection with Stateless-to-Stateful Anomaly Feature Rectification
von: Yuan, Jingyi, et al.
Veröffentlicht: (2025)

Attend and Enrich: Enhanced Visual Prompt for Zero-Shot Learning
von: Liu, Man, et al.
Veröffentlicht: (2024)

AF-CLIP: Zero-Shot Anomaly Detection via Anomaly-Focused CLIP Adaptation
von: Fang, Qingqing, et al.
Veröffentlicht: (2025)

VMAD: Visual-enhanced Multimodal Large Language Model for Zero-Shot Anomaly Detection
von: Deng, Huilin, et al.
Veröffentlicht: (2024)

VisualAD: Language-Free Zero-Shot Anomaly Detection via Vision Transformer
von: Hou, Yanning, et al.
Veröffentlicht: (2026)

ZSG-IAD: A Multimodal Framework for Zero-Shot Grounded Industrial Anomaly Detection
von: Chen, Qiuhui, et al.
Veröffentlicht: (2026)

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

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

Back to Point: Exploring Point-Language Models for Zero-Shot 3D Anomaly Detection
von: Li, Kaiqiang, et al.
Veröffentlicht: (2026)

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

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

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

IADGPT: Unified LVLM for Few-Shot Industrial Anomaly Detection, Localization, and Reasoning via In-Context Learning
von: Zhao, Mengyang, et al.
Veröffentlicht: (2025)

DSS-Prompt: Dynamic-Static Synergistic Prompting for Few-Shot Class-Incremental Learning
von: He, Linpu, et al.
Veröffentlicht: (2025)

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

MuSc: Zero-Shot Industrial Anomaly Classification and Segmentation with Mutual Scoring of the Unlabeled Images
von: Li, Xurui, et al.
Veröffentlicht: (2024)

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

SVIP: Semantically Contextualized Visual Patches for Zero-Shot Learning
von: Chen, Zhi, et al.
Veröffentlicht: (2025)

Beyond Human-prompting: Adaptive Prompt Tuning with Semantic Alignment for Anomaly Detection
von: Chen, Pi-Wei, et al.
Veröffentlicht: (2025)

Novel Semantic Prompting for Zero-Shot Action Recognition
von: Iqbal, Salman, et al.
Veröffentlicht: (2026)

MCL-AD: Multimodal Collaboration Learning for Zero-Shot 3D Anomaly Detection
von: Li, Gang, et al.
Veröffentlicht: (2025)

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

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

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

Multimodal Industrial Anomaly Detection via Geometric Prior
von: Li, Min, et al.
Veröffentlicht: (2026)

GATE-AD: Graph Attention Network Encoding For Few-Shot Industrial Visual Anomaly Detection
von: Psiris, Aggelos, et al.
Veröffentlicht: (2026)