一种用于异常图像分割的无分割器训练数据集生成方法

本发明提供一种用于异常图像分割的无分割器训练数据集生成方法，涉及计算机视觉和图像处理技术领域，该方法包括将基准真值掩码作为条件输入至扩散模型，通过随机噪声及逐步去噪过程生成包含异常区域的图像；在扩散模型的采样过程中，引入注意力差异最大化能量函数，注意力差异最大化能量函数通过对比扩散模型生成的注意力图与基准真值掩码的差异，动态调整生成图像的异常区域与基准真值掩码的对齐度；通过迭代优化注意力差异最大化能量函数，生成与基准真值掩码匹配的异常图像及其对应的掩码标签对，作为训练数据集。本发明在不依赖额外的分割器的情况下，有效缓解了标签漂移问题。