arXiv · cs.AI· Muhammad Aqeel·· 15 小时前AI 评分24
DART：面向通用异常检测的领域无关残差迁移框架
DART: Domain-Agnostic Residual Transfer for Generalist Anomaly Detection
来源与原文
arXiv · cs.AI
作者：Muhammad Aqeel
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.08271v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
DART 是一个面向通用异常检测（GAD）的插件式框架，可将残差拆分为异常相关成分与领域特定成分，抑制纹理、几何等外观因素带来的跨域干扰。它结合残差解耦模块与跨域元训练，可插入现有 GAD 流程的残差计算与检测头之间，且与架构无关。在 MVTec AD、VisA 和 BraTS 上相对多种基线方法取得一致提升，域偏移越强增益越大，已被 NeurIPS 2026 接收。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。