ASBench：面向异常检测的图像异常合成基准
计算机视觉与模式识别
2026-04-14 v3
摘要
异常检测在制造质量控制中发挥着关键作用，但其应用受限于异常样本稀缺和高额的手动标注成本。虽然异常合成提供了可行的解决方案，但现有研究主要将异常合成作为异常检测框架中的辅助组件，缺乏对异常合成算法的系统评估。当前研究也忽视了异常合成特有的关键因素，如与检测脱钩的影响、合成数据的量化分析以及在不同场景下的适应性。为此，我们提出了ASBench——首个专注于评估异常合成方法的全面基准框架。我们的框架引入了四个关键评估维度：(i) 在不同数据集和管道中的泛化性能；(ii) 合成数据与真实数据的比例；(iii) 合成图像内在指标与异常检测性能指标之间的相关性；以及(iv) 混合异常合成方法的策略。通过大量实验，ASBench不仅揭示了当前异常合成方法的局限性，也为未来异常合成的研究方向提供了可操作的洞见。
引用
@article{arxiv.2510.07927,
title = {ASBench: Image Anomalies Synthesis Benchmark for Anomaly Detection},
author = {Qunyi Zhang and Songan Zhang and Jiaqi Liu and Jinbao Wang and Xiaoning Lei and Guoyang Xie and Guannan Jiang and Zhichao Lu},
journal= {arXiv preprint arXiv:2510.07927},
year = {2026}
}
备注
accpted by IEEE Transactions on Artificial Intelligence