Diffusion Model相关论文解析之(四)DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection

1、摘要

DiffusionAD的核心在于其双轨制结构——重建子网络采用扩散模型来恢复异常图片至正常状态；而分割子网络则依据原始图片与其恢复版本的差异，进行像素级异常评分预测。尤其引人瞩目的是，该框架采取了一次性去噪方案，相较传统多步骤迭代法，极大地提高了运行效率。

2、创新点

一步去噪模式：摒弃了冗长的迭代过程，直接从噪声分布中抽样出高质量的无异图像。
**规范引导重构：**引入特有规范指导机制，进行两个尺度的扩散和重建，t较小时展示更高的像素质量，保留有细密纹理的细节，但无法重建大缺陷，t较大时引入较大失真，但同时也可以重建较大异常。先进性较大尺度重建，得到正常图像，再用这个正常图像作为条件，去制导小尺度的重建，这样就可以兼容大小异常，又能保证较好的重建质量。
**异常图像生成：**利用柏林噪声和正常图像的mask，得到异常图像mask M，再联合正常图像N，正常样本自增强或者纹理描述数据集图像，得到最终异常图像

3、主要公式

公式（4）是条件引导，公式（5）是图像引导，