通过视觉潜在空间中的缺陷推理进行工业异常检测

工业异常检测 (IAD) 正在超越传统的检测和定位，发展为能够描述、解释和推理细粒度缺陷的多模式检查系统。尽管最近基于多模态大语言模型（MLLM）的方法通过文本推理和视觉引导改善了异常理解，但它们在细粒度检查方面面临两个局限性。首先，它们的视觉细化通常需要迭代地重新访问局部图像区域或使用其他工具进行增强。其次，由此产生的局部缺陷证据可能无法在后续推理过程中得到可靠保留。为了解决这些问题，我们提出了 Anomaly-LR，一种基于缺陷的潜在推理框架，它首先形成对输入的全局理解，然后直接在视觉潜在空间中逐步完善与异常相关的表示。我们进一步构建了 IAD-LR-22K，这是第一个专为潜在推理而设计的 IAD 指令数据集，包含来自 4,523 个工业图像的 22,228 个图像问题实例，具有全局文本推理轨迹和区域级视觉注释。大量实验表明，Anomaly-LR 在多个 IAD 基准的可比规模方法中实现了最先进的性能，而无需外部参考或工具。代码和数据将在此 https URL 发布。