RoadFusion：用于路面缺陷检测的潜在扩散模型
计算机视觉与模式识别
2025-07-22 v1
摘要
路面缺陷检测面临关键挑战，包括标注数据有限、训练与部署环境之间的域偏移以及不同道路条件下缺陷外观的高度可变性。我们提出了RoadFusion，一个通过双路径特征适应的合成异常生成框架来解决这些局限性。一个潜在扩散模型利用文本提示和空间掩码合成多样化、逼真的缺陷，从而在数据稀缺情况下实现有效训练。两个独立的特征适配器分别针对正常和异常输入进行表示特化，提高了对域偏移和缺陷可变性的鲁棒性。一个轻量级判别器学习在补丁级别区分细粒度缺陷模式。在六个基准数据集上的评估表明，RoadFusion在分类和定位任务中均取得了持续强劲的性能，在与实际道路检测相关的多个指标上达到了新的最先进水平。
引用
@article{arxiv.2507.15346,
title = {RoadFusion: Latent Diffusion Model for Pavement Defect Detection},
author = {Muhammad Aqeel and Kidus Dagnaw Bellete and Francesco Setti},
journal= {arXiv preprint arXiv:2507.15346},
year = {2025}
}
备注
Accepted to ICIAP 2025