Buchumschlag

One-Step Diffusion with Inverse Residual Fields for Unsupervised Industrial Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Boan, Li, Wen, Yu, Guanhua, Liu, Xiyang, Chen, Wenchao, Tian, Long
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Low-Rank Adaptation of Pre-Trained Stable Diffusion for Rigid-Body Target ISAR Imaging
von: Zhang, Boan, et al.
Veröffentlicht: (2025)

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

Dual Prototype-Conditioned Diffusion Model for Scalable Multi-Class Unsupervised Anomaly Detection in Large Category Spaces
von: Feng, Yaoxuan, et al.
Veröffentlicht: (2026)

Self-Navigated Residual Mamba for Universal Industrial Anomaly Detection
von: Li, Hanxi, et al.
Veröffentlicht: (2025)

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

Industrial Anomaly Detection and Localization Using Weakly-Supervised Residual Transformers
von: Li, Hanxi, et al.
Veröffentlicht: (2023)

RcAE: Recursive Reconstruction Framework for Unsupervised Industrial Anomaly Detection
von: Wu, Rongcheng, et al.
Veröffentlicht: (2025)

One-for-More: Continual Diffusion Model for Anomaly Detection
von: Li, Xiaofan, et al.
Veröffentlicht: (2025)

Unsupervised Anomaly Detection via Masked Diffusion Posterior Sampling
von: Wu, Di, et al.
Veröffentlicht: (2024)

Interleaving One-Class and Weakly-Supervised Models with Adaptive Thresholding for Unsupervised Video Anomaly Detection
von: Nie, Yongwei, et al.
Veröffentlicht: (2024)

M2S2L: Mamba-based Multi-Scale Spatial-temporal Learning for Video Anomaly Detection
von: Liu, Yang, et al.
Veröffentlicht: (2025)

One-Step Residual Shifting Diffusion for Image Super-Resolution via Distillation
von: Selikhanovych, Daniil, et al.
Veröffentlicht: (2025)

Motion Semantics Guided Normalizing Flow for Privacy-Preserving Video Anomaly Detection
von: Liu, Yang, et al.
Veröffentlicht: (2026)

DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection
von: Zhang, Hui, et al.
Veröffentlicht: (2023)

A Survey on RGB, 3D, and Multimodal Approaches for Unsupervised Industrial Image Anomaly Detection
von: Lin, Yuxuan, et al.
Veröffentlicht: (2024)

Unsupervised Industrial Anomaly Detection via Pattern Generative and Contrastive Networks
von: Huang, Jianfeng, et al.
Veröffentlicht: (2022)

One Dinomaly2 Detect Them All: A Unified Framework for Full-Spectrum Unsupervised Anomaly Detection
von: Guo, Jia, et al.
Veröffentlicht: (2025)

Mitral Regurgitation Recognition based on Unsupervised Out-of-Distribution Detection with Residual Diffusion Amplification
von: Liu, Zhe, et al.
Veröffentlicht: (2024)

VividFace: High-Quality and Efficient One-Step Diffusion For Video Face Enhancement
von: Zhang, Shulian, et al.
Veröffentlicht: (2025)

OSDFace: One-Step Diffusion Model for Face Restoration
von: Wang, Jingkai, et al.
Veröffentlicht: (2024)

CycleVAR: Repurposing Autoregressive Model for Unsupervised One-Step Image Translation
von: Liu, Yi, et al.
Veröffentlicht: (2025)

One-Step Diffusion Model for Image Motion-Deblurring
von: Liu, Xiaoyang, et al.
Veröffentlicht: (2025)

Exploring Multimodal Prompts For Unsupervised Continuous Anomaly Detection
von: Zhou, Mingle, et al.
Veröffentlicht: (2026)

IEC3D-AD: A 3D Dataset of Industrial Equipment Components for Unsupervised Point Cloud Anomaly Detection
von: Guo, Bingyang, et al.
Veröffentlicht: (2025)

Res$^2$CLIP: Few-Shot Generalist Anomaly Detection with Residual-to-Residual Alignment
von: Liu, Xinyue, et al.
Veröffentlicht: (2026)

Unsupervised Detection of Distribution Shift in Inverse Problems using Diffusion Models
von: Shoushtari, Shirin, et al.
Veröffentlicht: (2025)

Dual-Modeling Decouple Distillation for Unsupervised Anomaly Detection
von: Liu, Xinyue, et al.
Veröffentlicht: (2024)

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

FDP: A Frequency-Decomposition Preprocessing Pipeline for Unsupervised Anomaly Detection in Brain MRI
von: Li, Hao, et al.
Veröffentlicht: (2025)

Adversarially Robust Industrial Anomaly Detection Through Diffusion Model
von: Cao, Yuanpu, et al.
Veröffentlicht: (2024)

Breaking the Bias: Recalibrating the Attention of Industrial Anomaly Detection
von: Chen, Xin, et al.
Veröffentlicht: (2024)

Exploring Plain ViT Reconstruction for Multi-class Unsupervised Anomaly Detection
von: Zhang, Jiangning, et al.
Veröffentlicht: (2023)

Fence off Anomaly Interference: Cross-Domain Distillation for Fully Unsupervised Anomaly Detection
von: Liu, Xinyue, et al.
Veröffentlicht: (2025)

Text-Guided Multimodal Unified Industrial Anomaly Detection
von: Li, Zewen, et al.
Veröffentlicht: (2026)

One-Step Detection Paradigm for Hyperspectral Anomaly Detection via Spectral Deviation Relationship Learning
von: Li, Jingtao, et al.
Veröffentlicht: (2023)

Ensembled Cold-Diffusion Restorations for Unsupervised Anomaly Detection
von: Marimont, Sergio Naval, et al.
Veröffentlicht: (2024)

Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection
von: Tu, Yuanpeng, et al.
Veröffentlicht: (2024)

Towards Efficient Pixel Labeling for Industrial Anomaly Detection and Localization
von: Li, Hanxi, et al.
Veröffentlicht: (2024)

CSAD: Unsupervised Component Segmentation for Logical Anomaly Detection
von: Hsieh, Yu-Hsuan, et al.
Veröffentlicht: (2024)