PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization

摘要

我们提出了一个新的Patch分布建模框架，PaDiM，在单类学习中同时检测和定位图像中的异常，PaDiM利用一个预先训练好的卷积神经网络(CNN)进行patch嵌入，利用多元高斯分布得到正态类的概率表示。它还利用了CNN的不同语义级别之间的相关性来更好地定位异常。PaDiM在MVTec AD和STC数据集上的异常检测和定位方面优于当前最先进的方法。为了和真实世界的视觉工业检测相匹配，我们扩展了评估方法，来评估在非对齐数据集上异常定位算法的性能。PaDiM最先进的性能和低的复杂度使其成为许多工业应用的良好备选。