FB-CLIP: 基于前景-背景解�合的细粒度零样态异常检测
计算机视觉与模式识别
2026-03-23 v1 人工智能
摘要
细粒度异常检测在工业和医疗应用中至关重要，但标注异常样本常常稀缺，使得零样态检测具有挑战。虽然 vision-language 模型如 CLIP 提供了有前景的解决方案，但它们在前景-背景特征纠缠和粗糙文本语义方面存在困难。我们提出 FB-CLIP，一种通过 multi-strategy 文本表示和前景-背景分离来增强异常局部化的框架。在文本模态中，它结合 End-of-Text 特征、global-pooled 表示以及 attention-weighted token 特征，提供更丰富的语义线索。在视觉模态中，采用 identity、semantic 和 spatial 维度上的 multi-view soft separation，以及 background suppression，以减少干扰并提高辨识度。我们进一步提出 Semantic Consistency Regularization (SCR)，以 align image features 与 normal 和 abnormal 文本原型，抑制不确定的匹配并放大语义间隙。实验表明，FB-CLIP 能有效区分复杂背景中的异常，实现细粒度零样态异常检测和局部化。
引用
@article{arxiv.2603.19608,
title = {FB-CLIP: Fine-Grained Zero-Shot Anomaly Detection with Foreground-Background Disentanglement},
author = {Ming Hu and Yongsheng Huo and Mingyu Dou and Jianfu Yin and Peng Zhao and Yao Wang and Cong Hu and Bingliang Hu and Quan Wang},
journal= {arXiv preprint arXiv:2603.19608},
year = {2026}
}