ACD-CLIP: Decoupling Representation and Dynamic Fusion for Zero-Shot Anomaly Detection
Created by
Haebom
저자
Ke Ma, Jun Long, Hongxiao Fei, Liujie Hua, Yiran Qian, Zhen Dai, Yueyi Luo
개요
본 논문은 사전 훈련된 비전-언어 모델(VLMs)이 영상 이상 탐지(ZSAD) 작업에서 어려움을 겪는 이유가 밀집 예측에 필요한 국소적 귀납적 편향이 부족하고 유연하지 못한 특징 융합 패러다임을 사용하기 때문임을 지적합니다. 이러한 한계를 해결하기 위해, 특징 표현과 교차 모드 융합을 동시에 개선하는 아키텍처 공동 설계 프레임워크를 제안합니다. 구체적으로, 국소적 귀납적 편향을 주입하여 세밀한 표현을 가능하게 하는 매개변수 효율적인 합성곱 저계수 적응(Conv-LoRA) 어댑터와 시각적 맥락을 활용하여 텍스트 프롬프트를 적응적으로 조절하는 동적 융합 게이트웨이(DFG)를 제안합니다. 다양한 산업 및 의료 벤치마크에 대한 광범위한 실험을 통해 우수한 정확성과 견고성을 보여주며, 이러한 시너지 효과를 내는 공동 설계가 기초 모델을 밀집 지각 작업에 효과적으로 적용하는 데 중요함을 확인합니다.
시사점, 한계점
•
시사점:
◦
VLMs의 영상 이상 탐지 성능 향상을 위한 효과적인 아키텍처 공동 설계 프레임워크 제시
◦
Conv-LoRA와 DFG를 통해 국소적 귀납적 편향 및 효과적인 교차 모드 융합 구현
◦
다양한 벤치마크에서 우수한 정확도와 견고성을 입증, 기초 모델의 밀집 지각 작업 적용 가능성 제시