用于跨域异常图像生成的双螺旋扩散
计算机视觉与模式识别
2025-09-17 v1
摘要
视觉异常检测在制造业中至关重要，但由于缺乏用于训练鲁棒检测器的真实异常样本而受到阻碍。合成数据生成是一种可行的数据增强策略；然而，当前方法仍然受到两个主要限制的制约：1) 生成的异常在结构上与正常背景不一致，以及 2) 合成图像与其对应的标注掩码之间存在不良的特征纠缠，这破坏了输出的感知真实性。本文介绍了双螺旋扩散（DH-Diff），这是一种新颖的跨域生成框架，旨在同时合成高保真异常图像及其像素级标注掩码，明确地应对这些挑战。DH-Diff 采用了一种受双螺旋启发的独特架构，在特征分离、连接和合并的不同模块间循环。具体来说，域解耦注意力机制通过独立增强图像和标注特征来缓解特征纠缠，同时语义分数图对齐模块通过连贯地整合异常前景来确保结构真实性。DH-Diff 通过文本提示和可选的图形引导提供灵活的控制。大量实验表明，DH-Diff 在多样性和真实性方面显著优于最先进的方法，从而显著提升了下游异常检测性能。
引用
@article{arxiv.2509.12787,
title = {Double Helix Diffusion for Cross-Domain Anomaly Image Generation},
author = {Linchun Wu and Qin Zou and Xianbiao Qi and Bo Du and Zhongyuan Wang and Qingquan Li},
journal= {arXiv preprint arXiv:2509.12787},
year = {2025}
}