1、摘要
本研究提出了一种新颖的动态去噪扩散概率模型,用于增强扩散模型的能力,通过扩展先前引入的隐式条件方法,在三个重要方面进行改进。该方法在两个著名的异常检测数据集VISA和BTAD上进行了严格评估,取得了最先进的性能,有效地定位了各种规模的异常,标志着扩散型异常检测的重大进展。
2、创新点
1) 动态步长计算 (DYNAMIC IMPLICIT CONDITIONING DIC)
方法:在传统扩散模型中,所有样本都被噪声化到相同的时间步。D3AD则引入了动态步长计算,允许在前向过程中通过初始异常预测来引导变量噪声步骤。这种动态调整使得模型能够更灵活地处理不同尺度的异常,特别是较大的异常区域。
优势:提高了模型对不同尺度异常的检测能力,使得模型在检测大尺度异常时更加准确和有效。
下图展示了 动态步长计算的计算流程,注意这里训练集的数据是正常数据,首先查找和输入图像x0特征最接近的K个特征,计算x0特征和这K个特征的平均距离,然后根据平均距离计算得到对应的步长