基于扩散趋势分析的无监督异常检测用于显示检测
Unsupervised Anomaly Detection Using Diffusion Trend Analysis for Display Inspection
AI总结：
本文针对显示检测中重建式扩散模型异常检测的噪声参数难确定和正常区域误检问题，提出基于重建趋势分析的异常检测方法。
摘要：
基于去噪扩散模型的重建式异常检测在确定合适的噪声参数方面存在局限，这些参数需要既能削弱异常又能保留正常特征。此外，正常区域在重建过程中可能出现较大波动，导致误检。本文提出一种通过分析随退化程度变化的重建趋势来检测异常的方法，有效解决了阻碍显示检测实际应用的这两个问题。
英文摘要：
Reconstruction-based anomaly detection via denoising diffusion model has limitations in determining appropriate noise parameters that can degrade anomalies while preserving normal characteristics. Also, normal regions can fluctuate considerably during reconstruction, resulting in false detection. In this paper, we propose a method to detect anomalies by analysis of reconstruction trend depending on the degree of degradation, effectively solving the both problems that impede practical application in display inspection.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
