AnomalyAgent：用受限VLM做多检测器融合的视觉异常检测框架
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载固定融合规则的失效点
视觉异常检测的训练样本中异常案例往往稀少，因此常见做法是组合多个预训练检测器，利用它们可迁移的图像分数与异常图。但现有集成方法大多在已保存的预测上套用固定融合规则。当各检测器因训练目标、先验和视觉表征不同而给出明显不一致的判断时，这类规则难以应对。AnomalyAgent 的出发点正是这一分歧场景：它不改变各检测器本身，而是在训练后阶段处理分数与图的合并问题。
动作空间与VLM的介入方式
该框架先把不同来源的分数与异常图对齐，再总结分数层面与区域层面的分歧，把融合转化为有限动作选择。分数动作决定图像级检测器置信度的合并方式，可选共识、稳健聚合、检测器加权或分数-图一致性；图动作负责合并稠密异常响应，可选共识、检测器加权、几何聚合或分歧修正。一个受限视觉语言模型被用于检查冲突较高的样本，并从中选出有效的分数动作与图动作，最终给出预测。这样，融合策略随样本分歧程度变化，而不是全局统一。
基准表现与迁移验证
评估以 MVTec AD 和 VisA 为主要基准，另加七个公开异常基准以及 Real-IAD 用于大规模分数级评测。结果显示，AnomalyAgent 在这些基准上稳定优于等权融合，并在 MVTec AD 与 VisA 上取得所比较融合方法中最佳的平均图像 AUROC 与像素 AP，同时在更多异常领域表现出可迁移性。论文共 10 页、2 幅图、13 张表，编号 arXiv:2610.28560。
为什么值得看
多检测器融合常因固定规则在分歧样本上失效，这里用受限 VLM 动态选融合动作，给出了可复用的后训练思路。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。