基石模型是否准备好用于工业缺陷识别？对真实世界数据的数据现实检验
计算机视觉与模式识别
2025-09-26 v1
摘要
基石模型 (FMs) 在各种文本和图像处理任务上显示出惊人的性能。它们能够在零样本设置下跨域和数据集进行泛化。这使得它们适合用于系列制造中的自动化质量检查，其中正在评估各种类型的图像以进行许多不同产品的检查。用简单描述异常和异常的文本提示来取代繁琐的标记任务，并可在许多产品上使用相同的模型，这将显著节省模型设置和实施期间的工作量。这是一个强大的优势，相较于针对单个应用训练的监督式人工智能模型，后者需要标记的训练数据。我们测试了多个最新的 FMs 在自定义的真实世界工业图像数据和公共图像数据上。我们显示，所有这些模型在我们的真实世界数据上都会失败，而相同模型在公共基准数据集上则表现良好。
引用
@article{arxiv.2509.20479,
title = {Are Foundation Models Ready for Industrial Defect Recognition? A Reality Check on Real-World Data},
author = {Simon Baeuerle and Pratik Khanna and Nils Friederich and Angelo Jovin Yamachui Sitcheu and Damir Shakirov and Andreas Steimer and Ralf Mikut},
journal= {arXiv preprint arXiv:2509.20479},
year = {2025}
}