arXiv发布少样本缺陷合成生成框架论文

2026年11月3日，arXiv（cs.lg）发布由Serkan Hamdi Güğül等人撰写的论文，提出一种基于扩散模型的端到端少样本缺陷合成生成框架。该框架支持域内增强与跨域迁移，旨在通过合成高保真缺陷样本加速新产品引入过程中的视觉质量检验。 在少样本增强设定下，该框架将RF-DETR检测器的mAP从78.8%提升至83.3%；在零样本适应设定下，mAP从65.0%提升至85.1%。结果表明，该框架能有效缩小领域差距，使在缺乏真实缺陷数据时部署高效检测模型成为可能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。