Synthesis4AD：合成异常样本足以支撑三维异常检测
计算机视觉与模式识别
2026-04-07 v1
摘要
工业三维异常检测的性能从根本上受到异常样本稀缺和长尾分布的限制。为应对这一挑战，我们提出 Synthesis4AD，一个利用大规模高保真合成异常样本来学习更具判别力的三维异常检测表征的端到端范式。Synthesis4AD 的核心是 3D-DefectStudio，一个基于可控合成引擎 MPAS 构建的软件平台，它在更高维支撑基元的引导下注入几何上真实的缺陷，同时生成精确的逐点异常掩码。此外，Synthesis4AD 引入了一个多模态大语言模型（MLLM）来解读产品设计信息并自动将其转化为可执行的异常合成指令，从而实现可扩展且知识驱动的异常数据生成。为提高下游检测器在无结构点云上的鲁棒性和泛化能力，Synthesis4AD 进一步引入了基于空间分布归一化和几何忠实数据增强的训练流水线，缓解了 Point Transformer 架构对绝对坐标的敏感性，并在真实数据变化下改善了特征学习。大量实验在 Real3D-AD、MulSen-AD 和一个真实工业零件数据集上展示了最先进的性能。提出的合成方法 MPAS 和交互式系统 3D-DefectStudio 将在 https://github.com/hustCYQ/Synthesis4AD 公开发布。
引用
@article{arxiv.2604.04658,
title = {Synthesis4AD: Synthetic Anomalies are All You Need for 3D Anomaly Detection},
author = {Yihan Sun and Yuqi Cheng and Junjie Zu and Yuxiang Tan and Guoyang Xie and Yucheng Wang and Yunkang Cao and Weiming Shen},
journal= {arXiv preprint arXiv:2604.04658},
year = {2026}
}