AuROC 98.2%
该模型在流模型框架中引入全局上下文感知的通道注意力机制，显著提升了对多尺度缺陷的建模能力，在多个工业异常检测基准上全面超越现有方法。
陆从德 · Hao, Yu · 蔡彪
Sensors 2025
只用正常样本训练，直接计算每个测试样本的似然，低于阈值即判为异常。
引入全局上下文感知的通道注意力机制，自动为多尺度特征分配权重，强化缺陷相关通道，因而能捕捉传统流模型漏掉的通道间异常。
层次化卷积子网络逐级融合多尺度特征，小缺陷的细微纹理和大范围的形态异常都不漏检。
在三个基准上，精度和鲁棒性均优于现有流模型，特别是 VisA 的图像级 AUROC 达到 98.2%。