VT-ADL：一种用于图像异常检测与定位的视觉Transformer网络

我们提出了一种基于Transformer的图像异常检测与定位网络。所提出的模型结合了基于重建的方法与图像块嵌入（patch embedding）技术。利用Transformer网络能够有效保留嵌入图像块的空间信息，随后通过高斯混合密度网络对这些特征进行处理，实现对异常区域的精准定位。此外，我们还公开发布了一个真实工业场景下的异常检测数据集——BTAD。实验结果在公开可用的数据集（如MNIST和MVTec）上与多种前沿算法进行了对比，验证了所提方法的有效性与优越性。