Core Concepts
Effizientes Modell für Anomalieerkennung mit SAM-gesteuerter Zwei-Stream-Leichtbauweise
Abstract
Das vorgestellte Modell kombiniert Segment Anything (SAM) mit einem Zwei-Stream-Leichtbauansatz für die Anomalieerkennung. Es zeigt Wettbewerbsfähigkeit in der Leistung und Effizienz.
Inhaltsverzeichnis
Einleitung
Verwandte Arbeiten
Methode
Pseudo-Anomaliegenerierung
Zwei-Stream-Leichtbauweise
Merkmalsaggregationsmodul
Training und Inferenz
Experimente
Ergebnisse auf dem MVTec AD-Datensatz
Evaluierung auf anderen schwierigeren Benchmarks
Qualitative Ergebnisse und Vergleich
Visualisierung auf MVTec und anderen Benchmarks
Ablationsstudien
Wichtigkeit von Schlüsselkomponenten
Auswirkung der Trainingsstrategie
Unterschiedliche Eingaben für das Merkmalsaggregationsmodul
Effekt des Wissensvermittlungsrahmens
Stats
Unser STLM erreicht eine Leistung von 98,26% auf Pixel-Ebene AUC und 94,92% auf PRO.
Quotes
"Unser STLM erreicht Wettbewerbsfähigkeit in Bezug auf Leistung und Effizienz."