面向主动实体-双胞胎检查的新范式：零样本异常检测
计算机视觉与模式识别
2026-05-26 v1
摘要
零样本异常检测(AD)在具身工业检查中部署受到其依赖被动、固定视点的2D图像的限制。这类表述本质上无法适应现实环境中所需的主动、动态观察。为突破这一限制，我们提出Real-to-Twin异常检测，这是一项新任务，其评估直接将物理观察与几何匹配的CAD数字双胞胎进行比较。为解决这一新任务，我们提出AVATAR框架，旨在学习Real与Digital Twin之间的稳健语义对齐。通过仅使用无缺陷的配对，AVATAR有效地弥合Sim2Real领域差距，将CAD先验转化为动态、无异常的参考。这种优雅的表述使模型能够以零样本方式局部分辨出各种异常作为不可对齐的偏差，无需缺陷标注。大量实验表明，AVATAR在严重视角变化下显著优于调整后的最新基线，表现出卓越的鲁棒性。代码和数据集将公开释放。
引用
@article{arxiv.2605.25407,
title = {Towards Active Real-to-Twin Inspection: A New Paradigm for Zero-Shot Anomaly Detection},
author = {Jiaxuan Liu and Yunkang Cao and Yufeng Chen and Chunyang Li and Yuhuan Du and Hui Zhang},
journal= {arXiv preprint arXiv:2605.25407},
year = {2026}
}
备注
6 pages, 4 figures, accepted to IEEE-CYBER 2026, Florence, Italy