Newest papers

Agentic Ensemble with Vision-Language Models for Visual Anomaly Detection

Shangquan Sun, Wenjun Luo, Xu He, Yoonsoo Lee, Shijian Lu · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28560 · open-access PDF

Spanish

La detección de anomalías visuales tiene como objetivo detectar objetos anormales, mientras que las muestras de anomalías a menudo son escasas durante el entrenamiento de modelos. El ensamblaje de múltiples detectores pre-entrenados puede ayudar aprovechando sus puntuaciones de imagen transferibles y mapas de anomalías. Sin embargo, la mayoría de los métodos de ensamblaje existentes aplican reglas fijas de fusión sobre predicciones guardadas que luchan cuando los detectores pre-entrenados están claramente en desacuerdo debido a diferentes objetivos de entrenamiento, antecedentes y representaciones visuales. A este fin, diseñamos AnomalyAgent, un marco de fusión post-entrenamiento para la detección precisa de anomalías visuales.

Machine translation (Meta M2M100); the English original follows.

Abstract

Visual anomaly detection aims to detect abnormal objects, while anomaly samples are often scarce during model training. Assembling multiple pretrained detectors can help by leveraging their transferable image scores and anomaly maps. However, most existing ensemble methods apply fixed fusion rules over saved predictions which struggle when pretrained detectors clearly disagree due to different training objectives, priors, and visual representations. To this end, we design AnomalyAgent, a post-training fusion framework for accurate visual anomaly detection. AnomalyAgent aligns heterogeneous sco

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange