UniSpector：通过光谱-对比视觉提示实现通用开集缺陷识别
高能物理 - 唯象学
2026-04-06 v1 高能物理 - 理论
摘要
尽管工业检测系统应能识别前所未有的缺陷，但大多数现有方法在闭集假设下运行，使其无法检测新异常。虽然视觉提示为工业检测提供了可扩展的替代方案，但现有方法常因类内方差高和类间差异细微而遭受提示嵌入坍缩。为解决此问题，我们提出 UniSpector，将焦点从朴素的提示-区域匹配转向语义结构化且可迁移的提示拓扑的设计。UniSpector 采用空间-光谱提示编码器提取方向不变、精细的表示；这些表示为对比提示编码器提供了坚实基础，可显式地将提示空间正则化为语义组织的角流形。此外，提示引导查询选择生成与提示对齐的自适应对象查询。我们提出了 Inspect Anything——首个基于视觉提示的开集缺陷定位基准，UniSpector 在 AP50b 和 AP50m 上分别以至少 19.7% 和 15.8% 的优势显著超越基线。这些结果表明我们的方法为持续演化的工业环境实现了可扩展的无需重新训练的检测范式，同时为通用视觉提示的设计提供了关键见解。
引用
@article{arxiv.2604.02906,
title = {Probing Proton Structure via Physics-Guided Neural Networks in Holographic QCD},
author = {Wei Kou and Xurong Chen},
journal= {arXiv preprint arXiv:2604.02906},
year = {2026}
}
备注
11 pages, 6 figures