什么仍然正常？干净的图像错过了用于异常检测的有用的接近缺陷的正常补丁

仅正常的工业异常检测器使用来自干净训练图像的补丁作为正常参考或重建目标。这假设干净的补丁足以满足测试时遇到的正常区域。我们直接检验该假设。在 MVTec AD 上，将来自真实缺陷图像的 真值 正常补丁接纳到 DINOv2 内存候选池中，可将像素平均精度 (P-AP) 从 73.34 提高到 76.95，同时保持编码器、测试时间分数和存储参考数量固定。带注释的缺陷的两个补丁单元内的补丁恢复了该增益的 94.70%。然后我们询问是否可以仅使用干净的训练图像来暴露此类有用的补丁。 BoundarySupport 插入一个程序合成缺陷来改变周围的上下文，排除与标称插入或检测到的 RGB 变化相交的每个标记，并且仅从保留像素的相邻补丁中学习。在三对种子中，相同的原理改进了 MVTec、VisA 和 Real-IAD 的所有六种内存和重建设置中的 P-AP。匹配的控件将改变的上下文特征本身识别为有用的正常证据：在合成输入或固定的选定位置的情况下，改变的上下文特征作为重建目标和记忆参考都优于其干净视图对应物。在 MVTec 内存上，最终分数变化也是空间选择性的，在所有 15 个类别中，缺陷旁边的正常斑块比中距离或远正常斑块的减少幅度更大。代码可在 https://github.com/jw-chae/boundary_support 上公开获取。