ZSG-IAD：面向零样本 grounding 的工业异常检测多模态框架
计算机视觉与模式识别
2026-04-21 v1
摘要
深度学习基于的工业异常检测器往往表现为黑盒子，难以以物理上有意义的缺陷证据来论证决策。我们提出 ZSG-IAD，一个用于零样本 grounding 工业异常检测的多模态视觉-语言框架。给定 RGB 图像、传感器图像和 3D 点云，ZSG-IAD 生成结构化异常报告和像素级异常掩码。ZSG-IAD 引入语言引导的双跳 grounding 模块：(1) 异常相关句子从多模态特征中提炼出选择证据类潜在槽位，产生粗糙的空间支持；(2) 选定的槽位通过通道-空间门控和轻量解码器调制特征图，以产生细粒度掩码。为提高可靠性，我们进一步应用可执行规则 GRPO 以可验证奖励推动结构化输出、异常区域一致性和推理-结论连贯性。实验表明，ZSG-IAD 在多个工业异常基准测试上实现了强大的零样本性能，并比先前方法更透明、更具物理依据的解释。我们将发布代码和注释，以支持可信赖工业异常检测系统的未来研究。
引用
@article{arxiv.2604.17949,
title = {ZSG-IAD: A Multimodal Framework for Zero-Shot Grounded Industrial Anomaly Detection},
author = {Qiuhui Chen and Jiaxiang Song and Shuai Tan and Weimin Zhong},
journal= {arXiv preprint arXiv:2604.17949},
year = {2026}
}