| 现场环境 | SubspaceAD 通过两个简单阶段实现检测：第一阶段，利用冻结的 DINOv2 骨干网络从少量正常图像中提取补丁级特征；第二阶段，对这些特征拟合主成分分析（PCA）模型，以此估计正常样本变化的低维子空间。在推理阶段，通过计算测试特征相对于该子空间的重构残差完成异常检测，生成兼具可解释性与统计依据的异常分数。尽管方法设计简洁，SubspaceAD 无需训练、提示调优或记忆库，在单样本和小样本的检测设置下均取得了当前最优性能。 |
|---|---|
| 使用对象 | 工业产品表面缺陷检测；仅需少量正常样本(exemplars)即可工作，支持单样本(1-shot)到多样本(few-shot)设置。 |
| 使用目的 | 缺陷检测、异常检测 |
| 硬件配置 | CPU，运存6G+ |
| 硬件兼容 | windows10/11系统 |
| 软件配置 | .NET Core8 |
| 软件兼容 | 无 |
| 输入数据 | 二维RGB图像 |
| 输出数据 | 异常分数图 |
| 样本获取 | 可现场采集 |
| 测试结果 | 在单样本异常检测任务中，该方法在 MVTec-AD 数据集上实现了 98.0% 的图像级受试者工作特征曲线下面积（AUROC）和 97.6% 的像素级 AUROC，在 VisA 数据集上则分别达到 93.3% 的图像级 AUROC 和 98.3% 的像素级 AUROC，均超越了此前的最优结果。 |
| 执行速度 | 400ms/帧 |
| 资源消耗 | 2G+ |
| 源码类型 | C# |
| 文件大小 | 144MB |
| 相关备注 | 无 |
| 买家 | 规格或版本 | 评分 | 评价 | 时间 |