xrli-U
commented
3 months ago 之前的异常检测方法使用了已知的大量正常参考图像进行模型训练，这种在工业异常检测里被称为unsupervised setting，但是收集这些大量正常参考图像在实际工业场景中比较消耗人力财力，zero-shot setting的方法正是用来解决这一问题，不需要任何已知的正常参考图像，即可对测试集数据进行异常检测和分割，您可以参考其他zero-shot异常检测论文，如我们paper中对比实验中的那些，特别是ACR这个方法 https://proceedings.neurips.cc/paper_files/paper/2023/file/8078e8c3055303a884ffae2d3ea00338-Paper-Conference.pdf 如果您有其他相关的问题我都可以进行解答~
比如针对MvTec数据集，如何提现他的zero-shot呢？对于部分类别不训练，然后用训练完的模型测试？