Скачать с ютуб [Paper Review] OmniAL: A unified CNN framework for unsupervised anomaly localization в хорошем качестве

[Paper Review] OmniAL: A unified CNN framework for unsupervised anomaly localization

발표자: 석사과정 남웅찬([email protected]) 1. 논문 제목 OmniAL: A unified CNN framework for unsupervised anomaly localization (CVPR 2023) 2.링크: https://openaccess.thecvf.com/content... 3. Overview - Unsupervised 방식의 Anomaly Detection & Localization이 가능한 Multi-Class Model을 제시 - 해당 논문에서 제안하는 Multi-Class Model인 OmniAL은 UniAD에서 제기되었던 불량 이미지까지 그대로 복원해 내는 Identical shortcut 문제점을 해결하기 위해 사전에 정의되어 있는 패널(left, right, top, bottom, all) 중 한 패널을 random 하게 선택하여 선택된 패널 내에서만 Photo-realistic anomalous를 synthesize 하여보다 더 좋은 anomaly를 합성하여 훈련에 활용하고자 하는 1) Panel-guided anomaly synthesis를 제안 - Anomaly Reconstruction Error를 키우고자 CBAM (ECCV 2018)에서 영감을 받은 2) Dilated channel and Spatial Attention (DCSA) blocks로 구성된 Reconstruction, Localization Sub-networks를 구성 - Anomaly Region에 대한 Localization을 잘 수행해 내기 위해 Reconstruction, Localization Sub-networks 사이에 복원된 Normal Map (Rec), 복원된 JND Map (JND), 그리고 Input image (Inp)간의 Reconstruction error를 extract 하는 3) DiffNeck module 또한 제시