FiLo：通过细粒度描述与高质量定位实现零样本异常检测
计算机视觉与模式识别
2026-03-03 v3 机器学习
摘要
零样本异常检测（ZSAD）方法旨在不接触目标类别任何正常或异常样本的情况下直接检测异常。现有方法通常依赖多模态预训练模型的强大泛化能力，计算手工设计的表示“正常”或“异常”语义的文本特征与图像特征之间的相似度，以检测异常并定位异常区域。然而，“异常”的通用描述往往无法精确匹配不同对象类别中的各种异常类型。此外，计算单个图像块的相似度难以准确定位不同大小和形状的异常。为解决这些问题，我们提出了一种新颖的 ZSAD 方法 FiLo，它包含两个组件：自适应学习的细粒度描述（FG-Des）和位置增强的高质量定位（HQ-Loc）。FG-Des 使用大型语言模型（LLMs）为每个类别引入细粒度的异常描述，并采用自适应学习的文本模板来增强异常检测的准确性和可解释性。HQ-Loc 利用 Grounding DINO 进行初步定位，结合位置增强的文本提示和提出的多尺度多形状交互（MMCI）模块，有助于更准确地定位不同大小和形状的异常。在 MVTec 和 VisA 等数据集上的实验结果表明，FiLo 显著提升了 ZSAD 在检测和定位两方面的性能，在 VisA 数据集上实现了图像级 AUC 83.9% 和像素级 AUC 95.9% 的最先进性能。代码可在 https://github.com/CASIA-IVA-Lab/FiLo 获取。
关键词
引用
@article{arxiv.2404.13671,
title = {FiLo: Zero-Shot Anomaly Detection by Fine-Grained Description and High-Quality Localization},
author = {Zhaopeng Gu and Bingke Zhu and Guibo Zhu and Yingying Chen and Hao Li and Ming Tang and Jinqiao Wang},
journal= {arXiv preprint arXiv:2404.13671},
year = {2026}
}
备注
Accepted by ACM MM 2024