AnomalyR1：基于GRPO的端到端MLLM用于工业异常检测
计算机视觉与模式识别
2025-04-17 v1
摘要
工业异常检测（IAD）面临样本稀缺的巨大挑战，亟需部署具备对未见异常有效泛化能力的模型。传统方法往往受限于手工特征或领域特定专家模型，无法解决这一限制，亟需范式转变。我们引入AnomalyR1，一个开创性框架，利用VLM-R1——一种以卓越泛化性和可解释性闻名的多模态大语言模型（MLLM）——来革新IAD。通过将MLLM与Group Relative Policy Optimization（GRPO）集成，并辅以我们新颖的Reasoned Outcome Alignment Metric（ROAM），AnomalyR1实现了完全端到端的解决方案，能够自主处理图像和领域知识输入，进行分析推理，并生成精确的异常局部化和掩码。基于最新的多模态IAD基准测试，我们的紧凑型30亿参数模型超越了现有方法，树立了最佳结果。随着MLLM能力不断提升，本研究是首次提供端到端基于VLM的IAD解决方案，展示了ROAM增强GRPO的变革性潜力，使我们的框架成为面向下一代智能异常检测系统的前瞻性基石，这些系统在缺乏缺陷数据的工业应用中具有重要价值。
引用
@article{arxiv.2504.11914,
title = {AnomalyR1: A GRPO-based End-to-end MLLM for Industrial Anomaly Detection},
author = {Yuhao Chao and Jie Liu and Jie Tang and Gangshan Wu},
journal= {arXiv preprint arXiv:2504.11914},
year = {2025}
}