Diffusion Model相关论文解析之(九)LafitE: Latent Diffusion Model with Feature Editing

1、摘要

在柔性制造系统的背景下，需要以最小的重新配置生产不同类型和数量的产品，本文解决了无监督多类异常检测的问题:：开发一个统一的模型，在只有正常数据可访问的情况下，从属于多个类的对象中检测异常。我们首先探索了基于生成的方法，并研究了用于重建的潜在扩散模型。然后，我们引入了一种特征编辑策略，修改扩散模型的输入特征空间，提高正态区域的重建质量，从而减少误报预测。此外，我们首次提出了无监督异常检测中的超参数选择问题，并提出了一种合成伪验证集异常数据的解决方案来解决这一问题。

2、创新点

LafitE方法涉及使用线性组合将查询样本的每个特征切片与其核心集合MC中的其前K个最近邻进行编辑。编辑后的特征切片表示为e(i,j)，编辑后的整个特征张量表示为e。最近邻的加权项有助于将MC中存储的相似但不同的正常模式的信息整合在一起，确保编辑特征的分布不会偏离正常数据流形太远。然后，在编辑后的特征张量e上进行扩散重构，事先排除异常信息以解决身份快捷问题。通过计算去噪特征张量x0rec与原始特征张量x0之间的L2范数重构误差，然后进行上采样和高斯核平滑，以获得用于异常定位的图像级分数图进行异常估计。

3、主要公式

公式（1）：将不同层的特征统一维度，按照通道C