search

cnulab / RealNet

Offical implementation of "RealNet: A Feature Selection Network with Realistic Synthetic Anomaly for Anomaly Detection (CVPR 2024)"
MIT License
143 stars 5 forks source link

关于新的异常样本生成 #28

Open NAZABANMAAFK opened 1 month ago

NAZABANMAAFK commented 1 month ago

作者您好！非常感谢您和您的团队的卓越工作！ 我的疑问是：

  1. 模型256x256_diffusion.pt与mvtec_diffusion_ckpt_epoch_240.pt的区别和用途是什么
  2. 我现在仅想利用正常样本进行异常样本与mask的生成，在这个过程中，扩散模型训练多少轮为宜？以及是否必须要像https://github.com/cnulab/RealNet/issues/9中提到的对引导分类器也进行训练？ 谢谢您！
cnulab commented 1 month ago

您好！

  1. 256x256_diffusion.pt是在ImageNet上训练的扩散模型，你要想在其他数据集上生成对应的异常样本，需要对256x256_diffusion.pt进行微调，mvtec_diffusion_ckpt_epoch_240.pt是在mvtec数据集上微调过的扩散模型。
  2. 在其他数据集上对扩散模型微调多少轮要看数据集的大小，一般来讲当异常强度为0时（即正常的扩散过程），扩散模型能生成高质量的正常样本即可结束训练。然后适当调节设置合适的异常强度s即可。
  3. 没有引导分类器也可以进行异常合成，但是需要修改sample.py和相应的配置文件，把引导分类器相关的部分全去掉。
NAZABANMAAFK commented 1 month ago

非常感谢您的迅速回复，祝您工作顺利！