arXiv cs.CV· Haoxiang Rao, Fang Zhao, Zhao Wang, Weijia Li, Chenyang Si, Caifeng Shan·· 5 小时前AI 评分22
CORE：面向异常合成的自监督提示词优化框架
CORE: Contrast-and-Reflect for Self-Supervised Prompt Optimization in Anomaly Synthesis
AI 导读
针对工业异常检测中异常样本稀缺的问题，研究者提出 CORE——一个基于大型多模态模型（LMM）的低成本、免训练提示词优化框架，统一支持零样本与单样本异常合成。CORE 通过 Anomaly Context Grounding 模块将稀疏用户上下文转化为结构化异常提示词，并借助自监督对比-反思机制自主优化提示词。
来源：arXiv cs.CV · arxiv.org