CVPR 2025 | 用于开放集监督异常检测的分布原型扩散学习

论文信息

题目：Distribution Prototype Diffusion Learning for Open-set Supervised Anomaly Detection

用于开放集监督异常检测的分布原型扩散学习

作者：Fuyun Wang, Tong Zhang, Yuanzhi Wang, Yide Qiu, Xu Guo, Xin Liu, Zhen Cui

论文创新点

1. 提出分布原型扩散学习框架：论文提出了分布原型扩散学习（DPDL）框架，该框架联合学习多个高斯原型和相关的扩散桥。通过构建多个可学习的高斯原型，为正常样本创建潜在表示空间，并利用薛定谔桥实现正常样本向原型的扩散转移，有效提升了对异常样本的识别能力。
2. 设计超球面空间分散特征学习方法：在超球面空间中设计了分散特征学习（DFL）方法