EAGLE：用于微调工业异常检测的专家增强注意力指导框架
计算机视觉与模式识别
2026-05-08 v4
摘要
多模态大语言模型（MLLMs）可以通过语义描述和异常推理丰富工业异常检测，但在二元检测准确率上仍落后于专用异常检测器。现有方法通过微调 MLLMs 或训练桥接模块来对齐专家输出与 MLLM 输入，从而限制了不同 backbone 的灵活性。我们提出 EAGLE，一个无需微调的框架，将专家异常检测器与冻结的 MLLMs 集成。EAGLE 包含阈值引导的提示选择（TGPS），该方法从专家模型统计数据估计决策阈值并选择文本和视觉提示；以及置信度感知的注意力锐化（CAAS），当专家置信度较低时，将 MLLM 的注意力引向视觉证据。除了提升准确率，我们分析了 MLLM 注意力机制，发现正确的异常预测与对真实缺陷区域的更强聚焦相关；EAGLE 持续加强了这一一致性。在 MVTec-AD 和 VisA 数据集上，EAGLE 在不进行参数更新的情况下提升了五个 MLLM backbone，分别达到 94.4% 和 88.1% 的异常判别准确率，达到了与微调方法相当的性能，同时基本保留了 MLLM 的语义推理能力。
引用
@article{arxiv.2602.17419,
title = {EAGLE: Expert-Augmented Attention Guidance for Tuning-Free Industrial Anomaly Detection in Multimodal Large Language Models},
author = {Xiaomeng Peng and Xilang Huang and Seon Han Choi},
journal= {arXiv preprint arXiv:2602.17419},
year = {2026}
}