| 极市线上分享第140期 |
一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过100位技术大咖嘉宾，并完成了139 期极市线上直播分享。
往期分享请前往bbs.cvmart.net/topics/149或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~
本次分享我们邀请到了清华大学博士生郭佳，为大家详细介绍他在无监督异常检测在工业质检、医学诊断等领域的一系列探索：
无监督异常检测在工业质检、医学诊断等领域有着广泛应用，但现有方法面临三大核心挑战：
|
1 |
预训练模型的跨域迁移 |
|
2 |
异常检测模型的多类别扩展性 |
|
3 |
缺乏统一框架处理多模态、多任务设置 |
本次分享将介绍作者在这一问题上的系列探索：从解决域适应问题（ReContrast，NeurIPS2023），到构建多类别统一模型（Dinomaly，CVPR2025），再到实现多视角、多模态、少样本通用框架（Dinomaly2），以及未来可以支撑这一研究方向的一系列大规模基准数据集（Real-IAD系列，ADNet系列，友情宣传）。
论文地址：
ReContrast：
https://arxiv.org/abs/2306.02602
Dinomaly：
https://arxiv.org/abs/2405.14325
Dinomaly2：
https://arxiv.org/abs/2510.17611
ADNet：
https://arxiv.org/abs/2511.20169
代码地址：
https://github.com/guojiajeremy/ReContrast
https://github.com/guojiajeremy/Dinomaly
时间
2025年12月17日（周三）：20:00-21:00
主题
迈向统一、通用的无监督异常检测
直播
直播B站也将同步进行
http://live.bilibili.com/3344545
郭佳
清华大学博士生，指导教师为廖洪恩教授，本科与硕士毕业于北京理工大学。
研究方向：计算机视觉，包括无监督学习、自监督学习、医疗AI、基础模型、异常检测等。
谷歌学术：
https://scholar.google.com/citations?user=nTQvKUAAAAAJ&hl=en
▶分享大纲：
1. 异常检测的应用场景与核心挑战
2. 异常检测的跨域适应：ReContrast (NeurIPS 2023)
3. 多类别统一检测：Dinomaly (CVPR 2025)
4. 全谱通用框架：Dinomaly2 (CVPR 2025扩展)
5. 无监督异常检测的大规模基准数据集
6. 总结与展望
极市平台专注分享计算机视觉前沿资讯和技术干货，特邀请行业内专业牛人嘉宾为大家分享视觉领域内的干货及经验，目前已成功举办139期线上分享。
更多往期分享请浏览：极市计算机视觉技术分享集锦
（http://bbs.cvmart.net/topics/149/cvshare）也可以点击阅读原文获取。