SALAD -- 语义感知逻辑异常检测
计算机视觉与模式识别
2025-09-03 v1 人工智能
摘要
最近的表面异常检测方法在识别结构性异常（如凹痕和划痕）方面表现出色，但在处理逻辑异常（如不规则或缺失的物体组件）时却力不从众。最佳的逻辑异常检测方法依赖于聚合的预训练特征或手工描述符（常源自组成图），这些方法会丢弃空间和语义信息，导致性能不佳。我们提出 SALAD，一种语义感知判别式逻辑异常检测方法，引入新提议的组成分支，显式建模物体组成图的分布，从而学习重要的语义关系。此外，我们引入一种新颖的组成图提取程序，无需手工标注或类别特定信息，与先前方法不同。通过有效建模组成图分布，SALAD 在逻辑异常检测的标准基准 MVTec LOCO 上显著优于最先进的方法，实现了惊人的 96.1% 的图像级 AUROC。代码: https://github.com/MaticFuc/SALAD
关键词
引用
@article{arxiv.2509.02101,
title = {SALAD -- Semantics-Aware Logical Anomaly Detection},
author = {Matic Fučka and Vitjan Zavrtanik and Danijel Skočaj},
journal= {arXiv preprint arXiv:2509.02101},
year = {2025}
}
备注
Accepted to ICCV 2025