面向高分辨率工业图像异常检测
计算机视觉与模式识别
2025-08-19 v1
摘要
当前的异常检测方法主要集中于低分辨率场景。对于高分辨率图像，传统的下采样常常因丢失细粒度判别信息而导致对细微异常区域的漏检。尽管已有一些进展，近期研究尝试通过采用轻量级网络或使用简单的图像分块与集成方法来提高检测分辨率。然而，这些方法在检测精度和效率方面仍难以满足工业场景的实际需求。为解决上述问题，我们提出了 HiAD，一个用于高分辨率异常检测的通用框架。HiAD 能够在有限的计算资源下，检测高分辨率图像中不同大小的异常区域。具体而言，HiAD 采用双分支架构，整合不同尺度的异常线索，以全面捕捉细微和大尺度的异常。此外，它融合了多分辨率特征融合策略，以应对高分辨率图像中细粒度纹理变化带来的挑战。为了提升适应性和效率，HiAD 利用一个检测器池并结合多种检测器分配策略，使检测器能够根据图像块特征进行自适应分配，在保证检测性能的同时有效控制计算成本。我们在专门构建的高分辨率异常检测基准上进行了大量实验，包括 MVTec-HD、VisA-HD 和真实世界基准 RealIAD-HD，证明了 HiAD 的优越性能。代码可在 https://github.com/cnulab/HiAD 获取。
引用
@article{arxiv.2508.12931,
title = {Towards High-Resolution Industrial Image Anomaly Detection},
author = {Ximiao Zhang and Min Xu and Xiuzhuang Zhou},
journal= {arXiv preprint arXiv:2508.12931},
year = {2025}
}