通过语义显着性交叉验证进行多视图反射表面检查

从单一固定视点检查反射式智能手机盖板玻璃具有挑战性，因为缺陷可见度随观察几何形状和镜面反射而变化。这带来了两个实际挑战：从某些角度来看，缺陷可能很难观察到，而可用的视觉证据可能在空间上仍然模糊不清。为了解决这些问题，我们提出了一个多视图检查框架，其中每个 RGB 观察都由共享的每个视图专家处理。视觉语言模型（VLM）产生类感知语义框，而正常参考重建分支提供类不可知的显着性。它们的空间一致性被用作对语义提案进行排名的支持证据，而不修改它们的坐标或将显着性视为 真值。生成的证据记录在产品级别进行组合，无需跨视图注册。在 282 个生产线图像上，语义显着性关联通过对固定语义提案重新排序，将 $AP_{50}$ 从 52.6% 提高到 62.6%。在 94 种产品中，跨视图证据召回率 $R_{\rm prod}@0.5$ 从最佳单一视图的 75.5% 增加到使用所有三个视图的 88.3%。这些结果支持语义显着性交叉验证和反射表面检测中附加光学观察的互补作用。