Leveraging Vector-Quantized Variational Autoencoder Inner Metrics for Anomaly Detection - Archive ouverte HAL
Communication Dans Un Congrès Année : 2022

Leveraging Vector-Quantized Variational Autoencoder Inner Metrics for Anomaly Detection

Domaines

Vision par ordinateur et reconnaissance de formes [cs.CV]

Sébastien Lefèvre  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03991178

Soumis le : mercredi 15 février 2023-16:32:08

Dernière modification le : jeudi 18 avril 2024-10:50:24

Fichier non déposé

Dates et versions

hal-03991178 , version 1 (15-02-2023)

Identifiants

Citer

Hugo Gangloff, Minh-Tan Pham, Luc Courtrai, Sébastien Lefèvre. Leveraging Vector-Quantized Variational Autoencoder Inner Metrics for Anomaly Detection. 2022 26th International Conference on Pattern Recognition (ICPR), Aug 2022, Montreal, Canada. pp.435-441, ⟨10.1109/ICPR56361.2022.9956102⟩. ⟨hal-03991178⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-RENNES1 CNRS INRIA INSA-RENNES IRISA UBS IRISA_UBS CENTRALESUPELEC UR1-MATH-STIC UR1-UFR-ISTIC UNIV-RENNES IRISA_UBS_2 UR1-MATH-NUM
18 Consultations
0 Téléchargements

Altmetric

Partager

More