面向增材制造场景描述的红外工业传感视觉语言模型
计算机视觉与模式识别
2026-03-18 v2 机器人学
摘要
许多制造环境在低光照条件下或在封闭机器内运行，传统视觉系统在这些环境中难以发挥作用。红外相机在此类环境中具有互补优势。同时，有监督AI系统需要大量标注数据集，这使得零样本学习框架对于包含红外相机的应用更为实用。视觉语言基础模型（VLMs）的最新进展为从配对图像-文本表示中进行零样本预测提供了新途径。然而，当前的VLMs由于在RGB数据上训练，无法理解红外相机数据。本工作提出了VLM-IRIS（用于红外工业传感的视觉语言模型），这是一个零样本框架，通过将FLIR Boson传感器捕获的红外图像预处理为适用于基于CLIP编码器的RGB兼容输入，使VLMs适应红外数据。我们在3D打印机底座上演示了零样本工件存在检测，其中构建板与工件之间的温差使该任务非常适合热成像。VLM-IRIS将红外图像转换为熔岩表示，并应用质心提示集成与CLIP ViT-B/32编码器，在无需任何模型重训练的情况下，在红外图像上实现了高精度。这些发现表明，对VLMs提出的改进可以有效地扩展到热成像应用中，以实现无标签监测。
引用
@article{arxiv.2512.11098,
title = {Vision-Language Models for Infrared Industrial Sensing in Additive Manufacturing Scene Description},
author = {Nazanin Mahjourian and Vinh Nguyen},
journal= {arXiv preprint arXiv:2512.11098},
year = {2026}
}