DMP-3DAD：基于稀少正常样本的跨类别3D异常检测
计算机视觉与模式识别
2026-02-12 v1
摘要
跨类别3D点云异常检测旨在仅凭少量正常样本即可确定未见对象是否属于目标类别。大多数现有方法依赖于类别特定的训练，这限制了其在少样本场景中的灵活性。本文提出DMP-3DAD，一种基于多视角真实深度图投影的训练-free跨类别3D异常检测框架。具体而言，通过将点云转换为固定的真实深度图像集合，我们的方法利用冻结的CLIP视觉编码器提取多视角表征，并通过加权特征相似性进行异常检测，该过程无需任何微调或类别相关适应。在ShapeNetPart数据集上的大量实验表明，DMP-3DAD在少样本设置下实现了状态最佳性能。结果表明，所提出的方法为实际的跨类别3D异常检测提供了一个简单而有效的解决方案。
引用
@article{arxiv.2602.10806,
title = {DMP-3DAD: Cross-Category 3D Anomaly Detection via Realistic Depth Map Projection with Few Normal Samples},
author = {Zi Wang and Katsuya Hotta and Koichiro Kamide and Yawen Zou and Jianjian Qin and Chao Zhang and Jun Yu},
journal= {arXiv preprint arXiv:2602.10806},
year = {2026}
}