近日，来自多伦多大学、麻省理工学院、复旦大学等机构的研究者联合发布题为《Anomaly Detection and Generation with Diffusion Models: A Survey》的综述论文，系统总结了扩散模型（DMs）在异常检测与生成领域的研究进展。文章全面梳理了图像、视频、时间序列、表格数据和多模态等五类任务的主流方法，并提出基于重构、密度和分数的三大异常评分机制。尽管DMs在生成质量和多样性上优于传统方法，但仍面临计算效率低、对复杂场景适应性差等挑战。未来研究方向包括轻量化模型设计、多模态信息融合以及与基础模型和强化学习的结合，有望推动其在工业质检、金融风控等实际场景中的落地应用。
来源：https://mp.weixin.qq.com/s/smDyNhlGS-SpM2Wt34J-ng
周大 发表于