Copertina

WMoE-CLIP: Wavelet-Enhanced Mixture-of-Experts Prompt Learning for Zero-Shot Anomaly Detection

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Chen, Peng, Huang, Chao
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

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

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

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

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

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

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

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

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

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

GenCLIP: Generalizing CLIP Prompts for Zero-shot Anomaly Detection
di: Kim, Donghyeong, et al.
Pubblicazione: (2025)

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

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

GlocalCLIP: Object-agnostic Global-Local Prompt Learning for Zero-shot Anomaly Detection
di: Ham, Jiyul, et al.
Pubblicazione: (2024)

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

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

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

AA-CLIP: Enhancing Zero-shot Anomaly Detection via Anomaly-Aware CLIP
di: Ma, Wenxin, et al.
Pubblicazione: (2025)

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

FB-CLIP: Fine-Grained Zero-Shot Anomaly Detection with Foreground-Background Disentanglement
di: Hu, Ming, et al.
Pubblicazione: (2026)

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

EVA: Mixture-of-Experts Semantic Variant Alignment for Compositional Zero-Shot Learning
di: Zhang, Xiao, et al.
Pubblicazione: (2025)

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

GS-CLIP: Zero-shot 3D Anomaly Detection by Geometry-Aware Prompt and Synergistic View Representation Learning
di: Deng, Zehao, et al.
Pubblicazione: (2026)

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

Exploring Zero-Shot Anomaly Detection with CLIP in Medical Imaging: Are We There Yet?
di: Marzullo, Aldo, et al.
Pubblicazione: (2024)

Decoupling Template Bias in CLIP: Harnessing Empty Prompts for Enhanced Few-Shot Learning
di: Zhang, Zhenyu, et al.
Pubblicazione: (2025)

AD-DINOv3: Enhancing DINOv3 for Zero-Shot Anomaly Detection with Anomaly-Aware Calibration
di: Yuan, Jingyi, et al.
Pubblicazione: (2025)

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

FALIP: Visual Prompt as Foveal Attention Boosts CLIP Zero-Shot Performance
di: Zhuang, Jiedong, et al.
Pubblicazione: (2024)

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

Transductive Zero-Shot and Few-Shot CLIP
di: Martin, Ségolène, et al.
Pubblicazione: (2024)

Prompting Language-Informed Distribution for Compositional Zero-Shot Learning
di: Bao, Wentao, et al.
Pubblicazione: (2023)

Investigating the Semantic Robustness of CLIP-based Zero-Shot Anomaly Segmentation
di: Stangl, Kevin, et al.
Pubblicazione: (2024)

ACD-CLIP: Decoupling Representation and Dynamic Fusion for Zero-Shot Anomaly Detection
di: Ma, Ke, et al.
Pubblicazione: (2025)

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

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

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

Multi-Scale Memory Comparison for Zero-/Few-Shot Anomaly Detection
di: Huang, Chaoqin, et al.
Pubblicazione: (2023)

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