[2025CVPR 异常检测方向]OODD：基于动态字典的测试时分布外检测方法详解

最新推荐文章于 2025-12-07 19:40:17 发布
最新推荐文章于 2025-12-07 19:40:17 发布
阅读量212 收藏
点赞数 5
CC 4.0 BY-SA版权
分类专栏： 计算机视觉算法 深度学习算法详解及代码复现 小目标、密集目标检测 文章标签： 人工智能 深度学习 神经网络 计算机视觉 目标检测 视觉检测 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/noboxihong/article/details/154230936

论文地址：https://openaccess.thecvf.com/content/CVPR2025/papers/Yang_OODD_Test-time_Out-of-Distribution_Detection_with_Dynamic_Dictionary_CVPR_2025_paper.pdf

1. 引言

在深度学习模型中，分布外（Out-of-Distribution, OOD）检测是一个关键挑战，因为模型容易对未知数据做出高置信度的错误预测。传统方法通常依赖训练时的 outlier exposure 或测试时的复杂校准，但往往面临计算成本高、稳定性差的问题。本文介绍的 ​OODD​（Test-time Out-of-Distribution Detection with Dynamic Dictionary）是一种新颖的测试时 OOD 检测方法，它通过动态维护一个 OOD 字典来实现高效、稳定

了解本专栏 订阅专栏 解锁全文 超级会员免费看
[2025CVPR-目标检测方向]SET：用于微小物体检测的光谱增强
hasakie的博客
07-17 3060
本文提出SET框架解决微小目标检测难题。研究发现高频背景噪声是导致微小目标检测性能差的主要原因，通过频域分析发现抑制背景高频噪声可提升AP达15%。SET采用异构架构：分层背景平滑模块(HBS)通过自适应滤波抑制背景噪声，对抗扰动注入模块(API)增强目标特征显著性。实验表明，在AI-TOD等4个数据集上，SET将FCOS等检测器的微小目标AP最高提升3.2%，推理成本仅增加1%。该方法为自动驾驶等场景的微小目标检测提供了有效解决方案。
【零样本异常检测CVPR2025】AA-CLIP：Enhancing Zero-Shot Anomaly Detection via Anomaly-Aware CLIP 论文解读
unique_zhao的博客
04-15 3352
文章的核心在于原始的CLIP由于关注通用能力，缺乏对异常的感知，所以作者通过提升了文本分支对normal和abnormal的区分，提升了CLIP对异常的识别能力
入选CVPR 2025！清华＆华科大提出超强异常检测新方法！学会你也能发顶会
学姐带你玩AI的博客
04-14 1492
有新突破了！清华和华科大推出了INP-Former，从单张图像中提取正常模式，展现出卓越的性能和强大的泛化能力！成功被CVPR 2025收录。仔细一瞧，今年的CVPR上异常检测相关的研究还挺多，比如最新零样本工业缺陷异常检测SOTA：AA-CLIP，还有突破跨领域限制的UniVAD，通过统一模型实现无需训练的泛化异常检测！这些成果也足以证明，而且根据其在AIGC等新兴技术领域的拓展，未来在方面应该会更有搞头。同时，我们也可以关注可解释、低资源等核心挑战，再结合垂直场景的深层次需求做创新。本文整理了。
【前沿 热点 顶会】CVPR 2025和目标分类、检测、分割、重识别有关的论文
A_Student10000的博客
03-01 6404
CVPR 2025中与目标识别大类有关的论文，设计SAR图像、遥感图像、图像生成、多模态重识别等新颖小众的方向。
CVPR2025 Best Paper解读：VGGT: Visual Geometry Grounded Transformer
学习记录
06-15 2381
VGGT: Visual Geometry Grounded Transformer详细解读
【CVPR2025-工业异常检测】AA-CLIP：最新零样本工业缺陷异常检测模型
qq_52291558的博客
07-31 2033
《AA-CLIP：基于异常感知CLIP的零样本异常检测增强方法》 摘要： 针对CLIP模型在零样本异常检测中存在的异常特征识别不足问题，本文提出AA-CLIP模型。通过双阶段适配策略，在保持CLIP原有泛化能力的同时增强异常识别能力：（1）文本空间引入异常感知锚点（如"完好零件/有裂纹零件"）建立正常-异常语义区分；（2）视觉空间通过残差适配器实现补丁级特征与文本锚点对齐。实验表明，AA-CLIP在工业质检和医疗诊断数据集上达到最优零样本检测准确率，其创新性在于：解耦损失函数确保文本特征
【计算机视觉前沿研究 热点 顶会】CVPR 2024中与域适应、分布外目标检测相关的论文
A_Student10000的博客
07-15 2207
这篇博客汇总了cvpr 2024中与分布外检测、域适应检测相关的部分论文。
[2025CVPR-3D目标检查方向]SP3D: Boosting Sparsely-Supervised 3D Object Detection via Accurate Cross-Modal S
hasakie的博客
08-11 3554
本文提出SP3D框架，通过跨模态语义提示增强稀疏监督3D物体检测性能。针对现有方法在极低标注率下性能骤降的问题，SP3D创新性地结合大型多模态模型（LMMs）生成高质量伪标签：1）CPST模块利用图像语义精准转移生成3D种子点；2）DCPG模块动态聚类生成完整边界框提案；3）DSScore从分布和形状维度评估伪标签质量。实验表明，在2%标注率下SP3D将基准方法CoIn的检测精度提升10.3%-16.6%，零样本设置中性能较SAM3D提升83.2%。该方法为降低3D检测标注成本提供了有效解决方案。
CVPR 2025爆款：DEIM框架凭什么让目标检测既快又准？
陈奕昆的博客
07-10 2369
DEIM框架突破DETR目标检测模型的训练效率瓶颈，通过密集O2O匹配和监督信号自适应加权，实现训练时间减半且性能提升1.4-2.5%AP。该即插即用方案兼容主流DETR架构，在自动驾驶、智能监控等场景验证有效，显著提升小目标检测率15%，推理速度保持110FPS以上。研究为实时视觉系统提供了高效训练范式，代码已开源，支持快速工业部署。
一文看尽 6篇 CVPR2021 2D 异常检测论文
极市平台的技术博客
07-19 4377
本文首发于极市平台，作者：刘冰一，转载须经授权并注明来源 6月25日，CVPR 2021 大会圆满结束，随着 CVPR 2021 最佳论文的出炉，本次大会所接收的论文也全部放出。CVPR2021 共接收了 7039 篇有效投稿，其中进入 Decision Making 阶段的共有约 5900 篇，最终有 1366 篇被接收为 poster，295 篇被接收为 oral，其中录用率大致为 23.6%，略高于去年的 22.1%。 CVPR 2021 全部接收论文列表： https://openaccess.th
【2025CVPR 异常检测方向】DFM: Differentiable Feature Matching for Anomaly Detection
hasakie的博客
11-16 1392
论文摘要：本文提出可微分特征匹配框架DFM，用于解决无监督异常检测方法的三大局限：特征提取与匹配分离、静态匹配算法和无法利用异常样本。DFM通过可微分的特征匹配网络(FMN)实现端到端优化，结合两阶段训练策略优化特征提取器和匹配头。实验表明，DFM在MVTecAD和VisA数据集上持续异常检测任务达到SOTA（实例AUROC 96.9%），在1-shot设置下性能提升14.5%。核心贡献包括：首次实现特征提取与匹配的端到端联合优化、增强任务适配性以及提供实用解决方案。
[2025CVPR-目标检测方向] CorrBEV：多视图3D物体检测
hasakie的博客
07-18 1411
本文提出CorrBEV框架，针对自动驾驶中多视图3D物体检测的遮挡问题，通过引入视觉和语言原型作为先验知识来补偿特征损失。该即插即用框架包含多模态原型生成器、相关引导查询学习器和遮挡感知训练器，采用深度相关操作实现高效知识融合。实验表明，CorrBEV在nuScenes数据集上显著提升基准模型性能（BEVFormer提升2.6%mAP），尤其对低可见性物体召回率提升8.7%，同时增强雪天等恶劣场景的鲁棒性。该方法为自动驾驶安全提供了有效的遮挡问题解决方案。
[2025CVPR-图象分类方向]CATANet：用于轻量级图像超分辨率的高效内容感知标记聚合
hasakie的博客
07-25 1271
摘要：本文提出CATANet，一种基于内容感知令牌聚合的高效图像超分辨率网络。针对Transformer计算复杂度高的问题，该方法通过共享全局令牌中心并仅在训练阶段更新，结合子组划分策略和双注意力机制（组内自注意力IASA与组间交叉注意力IRCA），在降低计算量的同时有效捕获长距离依赖。实验表明，CATANet在轻量化设计（535K参数）下，PSNR显著提升（最高+0.33dB），推理速度达SPIN的5倍，且适用于移动设备。核心创新包括内容感知令牌聚合模块和双注意力机制，实现了性能与效率的平衡。 （149字
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1311
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
人工智能的基石之三：硬件
最简单的方法，解决最实际的问题。
12-05 656
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
【论文速递】2025年第34周(Aug-17-23)(Robotics/Embodied AI/LLM)
最新发布
淋曦的进击手记
12-07 851
自我监督的学习有望消除对手动数据注释的需求，从而使模型能够毫不费力地扩展到大规模的数据集和较大的体系结构。通过不针对特定的任务或领域量身定制，这种训练范式有可能使用单个算法从不同的来源学习视觉表示形式，从自然到航空图像。该技术报告介绍了Dinov3，这是通过利用简单而有效的策略来实现这一愿景的主要里程碑。首先，我们利用仔细的数据准备，设计和优化来扩展数据集和模型大小的好处。其次，我们介绍了一种称为GRAM锚定的新方法，该方法有效地解决了长期训练时间表中已知但未解决的密集特征映射降解的问题。
AI泡沫什么时候破？
脑极体
12-04 673
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
【AI是否能替代IT从业者？】
博文致力于人工智能算法的探索研究；前后端分离项目的技术分享交流；专升本计算机基础课程内容讲解；各种中间件技术分享
12-03 1153
2025年IT行业面临AI深度重构：基础开发、测试、运维岗位替代率超60%，但AI相关新兴岗位激增380%。人类在复杂系统设计、伦理决策和跨界融合领域仍具不可替代性。微软等企业实践显示，人机协作可使效率提升40%。从业者需转型高价值领域（如Agent开发、大模型工程），掌握"技术+领域"双轨能力。AI本质是职业生态重构器，持续学习者的薪资溢价可达150%。建议立即评估岗位AI暴露指数，优先学习分布式架构优化、多智能体开发等技能。
AI驱动的网联自动驾驶汽车网络安全测试方法
NewCarRen的博客
12-03 1038
本文综述了网联自动驾驶汽车(CAV)网络安全测试面临的挑战与解决方案。随着CAV普及，网络攻击风险加剧，现有渗透测试方法面临测试环境成本高、专业人才匮乏等挑战。研究表明，人工智能(AI)在传统行业渗透测试中展现出缩短时间、提高效率的优势，但在CAV领域应用仍存在明显缺口。文章重点分析了强化学习等AI算法在渗透测试中的应用潜力，指出创建仿真环境是测试AI模型有效性的可行方案。开源工具VEINS被推荐为合适的仿真平台，其Python/C++接口便于AI模型集成。研究认为，若证实AI方法有效，可扩展应用于完整CA
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

清风AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值