Unsupervised Anomaly Detection Approaches in Computer Vision

This thesis explains how to detect anomalies using images by learning only normal behavior. The different types of anomalies and the main approaches used are described, along with datasets and evaluation metrics. Finally, two advanced methods are explored in depth, specifically memory bank-based techniques such as PatchCore and a model that uses SSMs such as MambaAD.

Il lavoro di tesi spiega come individuare anomalie tramite l'utilizzo di immagini imparando solo il comportamento normale. Vengono descritte le diverse tipologie di anomalie e i principali approcci utilizzati, insieme a dataset e metriche di valutazione. Infine, si approfondiscono due metodi avanzati, in particolare tecniche basate su memory bank come PatchCore e un modello che fa uso di SSMs come MambaAD.