《PromptAD》实验步骤

训练阶段:

步骤1: 输入正常样本图像

输入 : 正常样本图像

操作 : 在视觉编码器(VV-CLIP)中提取全局特征(CLS特征)和局部特征(ViT块特征)。

输出: 视觉特征(全局特征 (z) 和局部特征 (F))。

步骤2: 构建提示

输入 : 正常对象名称(如"cable")、手动异常后缀(如"with crack")和随机初始化的可学习token。

操作 :

语义连接(SC) :

◦ 生成正常提示(NP): ([P_1][P_2]...[P_{E_N}][obj.])(可学习前缀+对象名)。

◦ 生成手动异常提示(MAP): 将NP与手动异常后缀拼接(如 ([P_1][P_2]...[P_{E_N}][obj.][with][crack]))。

◦ 生成可学习异常提示(LAP): 将NP与可学习后缀拼接(如 ([P_1][P_2]...[P_{E_N}][obj.][A_1]...[A_{E_A}]))。

文本编码器(CLIP Text Encoder) : 将NP、MAP、LAP编码为特征向量。

输出: 正常提示特征 (g(s^n))、异常提示特征 (g(s^m)) 和 (g(s^l))。

步骤3: 损失计算与优化

输入 : 视觉特征 (z)、提示特征 (g(sn))、(g(sm))、(g(s^l))。

操作 :

对比损失((\mathcal{L}_{\text{clip}})) : 最小化正常视觉特征与正常提示特征的距离,最大化其与异常提示特征的距离。

显式异常边界损失((\mathcal{L}_{\text{ema}})) : 通过超参数强制控制正常原型与异常原型的间隔。

对齐损失((\mathcal{L}_{\text{align}})) : 对齐MAP和LAP的分布。

优化器更新 : 仅更新提示参数(NP和LAP的token)。

输出: 优化后的提示参数。

步骤4: 存储正常特征记忆

输入 : 中间层局部特征 (F)。

操作 : 将训练集中所有正常样本的ViT中间层特征(去除CLS特征)存入内存 (R)。

输出: 正常特征记忆库 (R)。


测试阶段:

步骤1: 输入测试图像

输入 : 测试图像(正常或异常)。

操作 : 通过VV-CLIP提取全局特征 (z_t) 和局部特征 (F_t)。

输出: 测试视觉特征 (z_t) 和 (F_t)。

步骤2: 计算提示引导异常分数

输入 : 训练后的提示参数(NP、MAP、LAP)。

操作 :

文本编码器 : 生成正常原型 (\overline{w}^n) 和异常原型 (\overline{w}^a)。

相似度计算 :

◦ 图像级分数 (S_t = \frac{\exp(\langle z_t, \overline{w}^n \rangle)}{\exp(\langle z_t, \overline{w}^n \rangle) + \exp(\langle z_t, \overline{w}^a \rangle)})。

◦ 像素级分数图 (M_t = \text{softmax}(\langle F_t, \overline{w}^n \rangle - \langle F_t, \overline{w}^a \rangle))。

输出: 图像级分数 (S_t) 和像素级分数图 (M_t)。

步骤3: 计算视觉引导异常分数

输入 : 测试局部特征 (F_t) 和正常记忆库 (R)。

操作 : 对每个空间位置 ((i,j)),计算 (F_t[i,j]) 与 (R) 的最小余弦距离:

M_v\[i,j\] = \\min_{r \\in R} \\frac{1}{2}(1 - \\langle F_t\[i,j\], r \\rangle)

输出: 视觉引导分数图 (M_v)。

步骤4: 融合结果

输入 : (S_t)、(M_t)、(M_v)。

操作 :

像素级融合 : (M_{pix} = 1.0 / (1.0/M_v + 1.0/M_t))(调和平均)。

图像级融合 : (S_{img} = 1.0 / (1.0/\max(M_v) + 1.0/S_t))。

输出: 最终异常分数图 (M_{pix}) 和图像级分数 (S_{img})。


关键操作位置:

  1. 训练:在VV-CLIP视觉编码器和CLIP文本编码器中完成特征提取与提示学习。
  2. 测试:直接调用训练好的提示参数和内存库 (R),无需反向传播。
相关推荐
小oo呆2 小时前
【自然语言处理与大模型】模型压缩技术之量化
人工智能·自然语言处理
Magnum Lehar2 小时前
ApophisZerg游戏引擎项目目录展示
人工智能·vscode·编辑器·游戏引擎
飞桨PaddlePaddle2 小时前
Wan2.1和HunyuanVideo文生视频模型算法解析与功能体验丨前沿多模态模型开发与应用实战第六期
人工智能·算法·百度·音视频·paddlepaddle·飞桨·deepseek
绿算技术2 小时前
存储新势力:助力DeepSeek一体机
人工智能·科技·缓存·fpga开发
Y1nhl3 小时前
搜广推校招面经八十一
开发语言·人工智能·pytorch·深度学习·机器学习·推荐算法·搜索算法
胡攀峰3 小时前
第12章 微调生成模型
人工智能·大模型·llm·sft·强化学习·rlhf·指令微调
yuanlaile3 小时前
AI大模型自然语言处理能力案例演示
人工智能·ai·自然语言处理
小白白搭建3 小时前
WordPress AI 原创文章自动生成插件 24小时全自动生成SEO原创文章 | 多语言支持 | 智能配图与排版
人工智能
Jamence3 小时前
多模态大语言模型arxiv论文略读(三十九)
人工智能·语言模型·自然语言处理
ai大模型木子3 小时前
嵌入模型(Embedding Models)原理详解:从Word2Vec到BERT的技术演进
人工智能·自然语言处理·bert·embedding·word2vec·ai大模型·大模型资料