TIM 2025 | ADFormer：基于双分支CNN-Transformer架构的通用少样本异常检测

论文信息

题目：ADFormer: Generalizable Few-Shot Anomaly Detection With Dual CNN-Transformer Architecture

ADFormer：基于双分支CNN-Transformer架构的通用少样本异常检测

作者：Bingke Zhu, Zhaopeng Gu, Guibo Zhu, Yingying Chen, Ming Tang, and Jinqiao Wang

论文创新点

1. 双分支CNN-Transformer架构：ADFormer提出了一种双分支CNN-Transformer架构，结合了CNN的局部特征提取能力和Transformer的全局特征建模能力。
2. 自监督二分匹配方法：ADFormer引入了一种自监督二分匹配方法，通过从支持图像