Tag · 3 篇
多模态异常检测
01 02 03
UniMMAD：基于 MoE 驱动特征解压的统一多模态多类异常检测
UniMMAD: Unified Multi-Modal and Multi-Class Anomaly Detection via MoE-Driven Feature Decompression
把 MoE 稀疏门控用于「通用特征→模态/类别特异特征」的解压式重建，为视觉异常检测提供了一种用单一模型覆盖多模态多类、且避免共享解码路径域干扰的可复用范式；分组动态过滤与 MoE-in-MoE 的约 75% 参数压缩思路也可迁移到其他多域统一建模任务。
迈向增量统一多模态异常检测：从信息瓶颈视角增强多模态去噪
Towards an Incremental Unified Multimodal Anomaly Detection: Augmenting Multimodal Denoising From an Information Bottleneck Perspective
对做工业/3D 异常检测的人，这篇给出了一个可复用的思路：用信息瓶颈融合模块在融合后特征上显式过滤冗余维度，并用 Mamba 解码器解耦物体间特征耦合，从而在增量统一框架下抑制伪特征导致的灾难性遗忘。
面向高效多模态异常检测的互补原型映射
Complementary Prototype Mapping for Efficient Multimodal Anomaly Detection
提出互补原型映射框架，通过共识原型和补充原型动态引导跨模态特征映射，解决无监督多模态异常检测中的映射歧义问题，可复用于工业质检和医学影像的缺陷定位任务。