工业异常综合的调查
计算机视觉与模式识别
2025-12-09 v2 计算工程、金融与科学
摘要
本文全面综述了异常综合方法。现有调查聚焦于有限技术，缺乏整体视野和对方法之间联系的理解。相比之下，我们的研究提供了统一的综述，涵盖约40种代表性方法，包括基于手工设计、基于分布假设、基于生成模型（GM）的综合以及基于视觉语言模型（VLM）的综合。我们提出了首个工业异常综合（IAS）分类法。以往研究缺乏正式分类或使用简单粗糙的分类法，妨碍了结构化比较和趋势识别。我们的分类法提供了一个细粒度框架，反映方法论的进展和实际意义，为未来研究奠定基础。此外，我们探讨了跨模态综合和大规模VLM。以往调查忽视了多模态数据和VLM在异常综合中的作用，限制了对其优势的洞察。我们的调查分析了它们的集成、优势、挑战和前景，为以多模态学习提升IAS提供了道路图。更多资源请访问 https://github.com/M-3LAB/awesome-anomaly-synthesis。
引用
@article{arxiv.2502.16412,
title = {A Survey on Industrial Anomalies Synthesis},
author = {Yanshu Wang and Xichen Xu and Jiaqi Liu and Xiaoning Lei and Guoyang Xie and Guannan Jiang and Zhichao Lu},
journal= {arXiv preprint arXiv:2502.16412},
year = {2025}
}