机构名称：
¥ 1.0
无监督异常检测 (UAD) 技术旨在不依赖注释来识别和定位异常，而只利用在已知没有异常的数据集上训练的模型。扩散模型学习修改输入 x 以增加其属于所需分布的概率，即，它们对得分函数 ∇ x log p ( x ) 进行建模。这样的得分函数可能与 UAD 相关，因为 ∇ x log p ( x ) 本身就是逐像素异常得分。然而，扩散模型被训练来反转基于高斯噪声的腐败过程，并且学习到的得分函数不太可能推广到医学异常。这项工作解决了如何学习与 UAD 相关的得分函数的问题，并提出了 DISYRE：受扩散启发的合成恢复。我们保留了类似扩散的管道，但用渐进的合成异常损坏代替了高斯噪声损坏，因此学习到的评分函数可以推广到医学上自然发生的异常。我们在三个常见的 Brain MRI UAD 基准上评估了 DISYRE，发现它在三个任务中的两个中都大大优于其他方法。
城市研究在线
主要关键词
相关文件推荐
