Mentor3AD：基于特征重建的多模态导师学习三维异常检测
计算机视觉与模式识别
2025-06-05 v1
摘要
多模态特征重建是一种有前景的三维异常检测方法，它利用双模态的互补信息。我们通过利用多模态导师学习进一步推进了这一范式，该方法融合中间特征以进一步区分正常特征与特征差异。为了应对这些挑战，我们提出了一种名为 Mentor3AD 的新方法，该方法利用多模态导师学习。通过利用不同模态的共享特征，Mentor3AD 能够提取更有效的特征并指导特征重建，最终提升检测性能。具体而言，Mentor3AD 包含一个融合导师模块，该模块合并从 RGB 和三维模态提取的特征以创建导师特征。此外，我们设计了一个指导导师模块，在导师特征的支持下促进跨模态重建。最后，我们引入了一个投票模块以更准确地生成最终的异常分数。在 MVTec 3D-AD 和 Eyecandies 上的大量对比和消融研究验证了所提方法的有效性。
引用
@article{arxiv.2505.21420,
title = {Mentor3AD: Feature Reconstruction-based 3D Anomaly Detection via Multi-modality Mentor Learning},
author = {Hanzhe Liang},
journal= {arXiv preprint arXiv:2505.21420},
year = {2025}
}
备注
arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission