CVPR 2024 | 双曲异常检测

论文信息

题目：Hyperbolic Anomaly Detection

双曲异常检测

作者：Huimin Li, Zhentao Chen, Yunhao Xu, Junlin Hu

论文创新点

1. 首次在双曲空间中进行异常检测：本文首次探索了在双曲空间（非欧几里得空间的代表）中进行工业图像异常检测的任务，提出了双曲异常检测（HypAD）方法。该方法通过将图像特征从欧几里得空间映射到双曲空间，利用双曲距离度量来优化模型，突破了传统欧几里得空间对数据表达能力的限制。
2. 自监督学习与双曲空间结合：HypAD方法将自监督学习的思想从欧几里得空间扩展到双曲空间，通过最小化同一图像不同增强视图的特征嵌入之间的距离来优化模型。
3. 层次结构的有效利用：本文提出工业图像及其增强视图在内部几何结构中具有层次关系，类似于树结构。

摘要

异常检测是工业场景中一项具有挑战性的计算机视觉任务。深度学习的进展不断革新基