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

Vietnamese

Phát hiện bất thường hình ảnh nhằm phát hiện các đối tượng bất thường, trong khi các mẫu bất thường thường thường rất ít trong quá trình đào tạo mô hình. Thu thập nhiều máy dò được đào tạo trước có thể giúp bằng cách khai thác điểm số hình ảnh có thể chuyển nhượng và bản đồ bất thường của họ. Tuy nhiên, hầu hết các phương pháp tập hợp hiện có áp dụng các quy tắc sáp nhập cố định trên các dự đoán được lưu trữ mà đấu tranh khi các máy dò được đào tạo trước không đồng ý rõ ràng do các mục tiêu đào tạo khác nhau, trước và đại diện thị giác. Để mục đích này, chúng tôi thiết kế AnomalyAgent, một khuôn khổ sáp nhập sau khi đào tạo để phát hiện bất thường hình ảnh chính xác.

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