基于偏差擴(kuò)散與雙流對比學(xué)習(xí)的工業(yè)異常檢測方法

摘要： 工業(yè)外觀異常檢測在智能制造與品質(zhì)管控中具有重要意義，但受限于異常樣本稀缺和分布多樣化，現(xiàn)有方法在多類別場景中容易出現(xiàn)重建失真或特征混淆，導(dǎo)致異常定位不準(zhǔn)確．為此，文中提出基于偏差擴(kuò)散與雙流對比學(xué)習(xí)的工業(yè)異常檢測方法，在潛在空間中通過偏差擴(kuò)散模型直接學(xué)習(xí)從含噪特征到正常特征的“偏離方向”，結(jié)合類別嵌入捕獲特定類別的正常結(jié)構(gòu)，并在推理中融合潛在空間域與圖像域差異，生成魯棒的異常熱力... （共13頁）