统一参考引导的跨模态映射：面向多类异常检测
计算机视觉与模式识别
2026-05-29 v1 信号处理
摘要
多模态工业异常检测通常依赖于每个产品类别的独立模型，从根本上限制了实际可扩展性。当转向处理多类别同时检测的统一范式时，检测准确率常会因类别间干扰和特征流形混淆而下降。为克服这些挑战，我们提出了统一参考引导的跨模态映射框架，命名为 Uni-RCM。在其核心，我们提出了参考引导模块，通过引入可学习的参考特征来动态过滤类别特定噪声，该特征捕获不同模态之间的共性。此外，提出了离线残差量化器，通过多个级联码本来表征正常分布。广泛的评估表明，在具有挑战性的多类别设置中以及在图像级检测和像素级定位方面，Uni-RCM 在 MVTec-3D AD 数据集上实现了最先进的性能。
引用
@article{arxiv.2605.29455,
title = {Uni-RCM: Unified Reference-guided Cross-modal Mapping for Multi-Class Anomaly Detection},
author = {Yangchen Wu and Huiqiang Xie},
journal= {arXiv preprint arXiv:2605.29455},
year = {2026}
}
备注
This work has been submitted IEEE for potential publication