Real-IAD D3：面向工业异常检测的真实场景 2D/伪 3D/3D 数据集
计算机视觉与模式识别
2025-04-22 v1
摘要
工业异常检测（IAD）的日益复杂，使多模态检测方法成为机器视觉研究的焦点。然而，专为 IAD 设计的多模态数据集仍显有限。诸如 MVTec 3D 等先进数据集在融合 RGB+3D 数据方面奠定了多模态 IAD 的基础，但仍面临在规模和分辨率方面与真实工业环境衔接的挑战。为此，我们引入 Real-IAD D3，一个高精度多模态数据集，独特地融合了通过光度立体法生成的额外伪 3D 模态，以及高分辨率 RGB 图像和微米级 3D 点云。Real-IAD D3 具备更细致的缺陷、更具挑战性的异常以及更大的规模，覆盖 20 个类别，为多模态 IAD 提供了具有挑战性的基准。此外，我们引入一种有效方法，融合 RGB、点云和伪-3D 深度信息，利用各模态的互补优势，提升检测性能。我们的实验表明，这些模态在提升检测鲁棒性和整体 IAD 性能方面至关重要。该数据集和代码已公开 accessible at https://realiad4ad.github.io/Real-IAD D3
引用
@article{arxiv.2504.14221,
title = {Real-IAD D3: A Real-World 2D/Pseudo-3D/3D Dataset for Industrial Anomaly Detection},
author = {Wenbing Zhu and Lidong Wang and Ziqing Zhou and Chengjie Wang and Yurui Pan and Ruoyi Zhang and Zhuhao Chen and Linjie Cheng and Bin-Bin Gao and Jiangning Zhang and Zhenye Gan and Yuxie Wang and Yulong Chen and Shuguang Qian and Mingmin Chi and Bo Peng and Lizhuang Ma},
journal= {arXiv preprint arXiv:2504.14221},
year = {2025}
}
备注
13 pages. Dataset and code: https://realiad4ad.github.io/Real-IAD D3