基于视觉语言模型的拓扑异常检测：Topo-R1

在血管、神经纤维和道路网络等管状结构中，连通性和环路结构至关重要，决定了下游功能分析。视觉语言模型（VLM）因其推理和 grounding 能力而成为理解此类结构的有前景的候选者。为探索其拓扑感知能力，我们系统评估了领先的封闭式和开源VLM在定位和分类四类经典拓扑异常（断裂/伪连接、缺失/多余分支）方面的性能。它们的表现几乎与随机水平相当，这表明当前通用VLM中缺乏拓扑感知。由于不存在将分割掩码与局部异常注释配对的现有资源，我们构建了一个自动化、跨域的数据构建管道，该管道综合了多样化的拓扑扰动，并通过可验证的Betti数注释，跨不同难度级别，产生了第一个大规模训练集和保留的分布内（ID）和分布外（OOD）测试套件。建立在此基准之上，我们引入Topo-R1，该方法以拓扑感知复合奖励为中心，联合评分定位、分类和骨架级结构忠诚度。监督式fine-tuning cold-start启动了符合规范的输出，Group Relative Policy Optimization (GRPO)随后针对该奖励优化策略，将预测引导向拓扑上有意义的结构，而非仅仅是像素重叠。大量实验表明，Topo-R1在ID、OOD和真实分割输出协议下均显著优于通用VLM，并在多数情况下匹配或超越监督式基线，为VLM用于结构化视觉数据的拓扑理解奠定了坚实基础。