Diffusion Model相关论文解析之(六)Unsupervised Surface Anomaly Detection with Diffusion Probabilistic Model

1、摘要

本研究提出了一种基于扩散概率模型的无监督表面异常检测方法 DiffAD，通过改进图像重建技术解决了当前方法的重建质量不足、神经网络异常重建和多重正常模式的问题，在MVTec数据集上取得了最先进的性能表现，特别是在异常定位准确性方面。

2、创新点

1）DiffAD引入了噪声条件嵌入和插值通道，以提高异常检测中的重建质量和多样性。
2）噪声条件嵌入通过噪声扩散潜在表示，区分正常和异常区域，提高重建质量。
3）插值通道生成额外特征通道，增强重建期间的多样性。

3、主要公式

公式（1）：The latent diffusion model (LDM)训练目标函数
公式（2）和（3）：先生成一个异常样本，编码成潜在向量，再扩散时间步t对应的Cnoisy(带有噪声的条件向量)

公式（4）：引入了噪声条件嵌入的The latent diffusion model (LDM)训练目标函数
公式（5）：我们将异常输入图像xa和LDM重构的法向量编码后的潜在向量c和zr内插，得到中间状态。重建图像与原始图像之间的正常像素