基于图像感知提示生成的零样态工业异常分割
计算机视觉与模式识别
2025-04-21 v1 人工智能
摘要
异常分割是工业质量、维护和稳定性的关键任务。现有的文本引导零样态异常分割模型有效但依赖固定提示，在多样化的工业场景中缺乏适应性。这凸显了需要灵活、上下文感知的提示策略。我们提出图像感知异常分割 (IAP-AS)，通过生成动态、上下文感知的提示来增强异常分割，生成过程利用图像标记模型和大型语言模型 (LLM)。IAP-AS 从图像中提取对象属性，以生成上下文感知的提示，提高了在动态和非结构化工业环境中的适应性和泛化能力。在实验中，IAP-AS 将 F1-max 指标提高了最高 10%，显示出卓越的适应性和泛化能力。它为跨行业的异常分割提供了可扩展解决方案。
引用
@article{arxiv.2504.13560,
title = {Zero-Shot Industrial Anomaly Segmentation with Image-Aware Prompt Generation},
author = {SoYoung Park and Hyewon Lee and Mingyu Choi and Seunghoon Han and Jong-Ryul Lee and Sungsu Lim and Tae-Ho Kim},
journal= {arXiv preprint arXiv:2504.13560},
year = {2025}
}
备注
Accepted to PAKDD 2025, 12 pages