基于图像内在正常性的无监督集成电路缺陷分割
计算机视觉与模式识别
2025-09-12 v1
摘要
现代集成电路 (IC) 制造引入了多样化、细粒度的缺陷，严重影响产能和可靠性。大多数工业缺陷分割方法通过将测试图像与外部正常集进行比较，这种策略在 IC 图像上脆弱，因为产品之间的布局差异大且准确对齐困难。我们观察到缺陷主要是局部的，而每张图像仍包含丰富且可重复的正常模式。因此，我们提出一种无需外部正常支持的无监督 IC 缺陷分割框架。可学习的正常信息提取器汇聚来自测试图像中代表性的正常特征，一致性损失 enforces 这些特征与正常区域关联。借助这些特征，解码器仅重建正常内容；重建残差随后用于分割缺陷。伪异常数据增强进一步稳定了训练过程。在来自三个 IC 工艺阶段的数据集上进行实验表明，方法在现有方法上持续获得改进，并对产品变异性具有强大的鲁棒性。
引用
@article{arxiv.2509.09375,
title = {Unsupervised Integrated-Circuit Defect Segmentation via Image-Intrinsic Normality},
author = {Botong Zhao and Qijun Shi and Shujing Lyu and Yue Lu},
journal= {arXiv preprint arXiv:2509.09375},
year = {2025}
}