LogicAD：基于 VLM 的文本特征提取实现可解释异常检测
计算机视觉与模式识别
2025-01-09 v2
摘要
逻辑图像理解涉及解释和推理图像视觉内容中关系和一致性。在诸如工业检验等应用中，逻辑异常检测对于维持高质量标准和最小化昂贵召回率至关重要。先前的异常检测（AD）研究依赖于先验知识设计算法，往往需要大量手动标注、显著的计算资源和大量数据进行训练。自回归、多模态视觉语言模型（AVLM）因其在各种领域的视觉推理能力而成为一个有前景的替代方案。尽管如此，这些模型在逻辑 AD 的应用仍未被探索。在本 work 中，我们调查了使用 AVLMs 进行逻辑 AD 的可能性，并证明了它们非常适合这一任务。将 AVLMs 与格式嵌入和逻辑推理器结合，我们在公开基准数据集 MVTec LOCO AD 上实现了 SOTA 性能，AUROC 为 86.0%，F1-max 为 83.7%，并提供异常的解释。显著优于现有 SOTA 方法。
引用
@article{arxiv.2501.01767,
title = {LogicAD: Explainable Anomaly Detection via VLM-based Text Feature Extraction},
author = {Er Jin and Qihui Feng and Yongli Mou and Stefan Decker and Gerhard Lakemeyer and Oliver Simons and Johannes Stegmaier},
journal= {arXiv preprint arXiv:2501.01767},
year = {2025}
}
备注
Accepted for publication at aaai25, project page: https://jasonjin34.github.io/logicad.github.io/