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

French

La détection d'anomalie visuelle vise à détecter des objets anormaux, tandis que les échantillons d'anomalie sont souvent rares pendant la formation des modèles. L'assemblage de plusieurs détecteurs prétrainés peut aider en tirant parti de leurs scores d'image transférables et de leurs cartes d'anomalie. Cependant, la plupart des méthodes d'ensemble existantes appliquent des règles de fusion fixes sur les prédictions enregistrées qui luttent lorsque les détecteurs prétrainés sont clairement en désaccord en raison d'objectifs de formation différents, de prédictions et de représentations visuelles. À cette fin, nous concevons AnomalyAgent, un cadre de fusion post-entraînement pour la détection d'anomalie visuelle

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