面向工业异常检测与定位的高效像素标注方法
计算机视觉与模式识别
2025-09-08 v1 人工智能
摘要
工业产品检查通常使用仅在无损坏样本上训练的异常检测（AD）框架。虽然可以在生产过程中收集损坏样本，但利用它们通常需要像素级标注，限制了可扩展性。为此，我们提出了ADClick——一种用于工业异常检测的交互式图像分割（IIS）算法。ADClick仅通过少量用户点击和简短的文本描述，即可生成像素级异常标注，实现对AD模型性能的显著提升（例如在MVTec AD上达到AP=96.1%）。我们进一步引入ADClick-Seg，一种通过原型方法对齐视觉特征和文本提示的跨模态框架，用于异常检测和定位。通过结合像素级先验与语言引导的线索，ADClick-Seg在具有挑战性的“多类”AD任务上实现了最佳结果（在MVTec AD上AP=80.0%，PRO=97.5%，Pixel-AUROC=99.1%）。
引用
@article{arxiv.2509.05034,
title = {Towards Efficient Pixel Labeling for Industrial Anomaly Detection and Localization},
author = {Jingqi Wu and Hanxi Li and Lin Yuanbo Wu and Hao Chen and Deyin Liu and Peng Wang},
journal= {arXiv preprint arXiv:2509.05034},
year = {2025}
}