FLASH：工业异常检测中合成异常生成的“生成一次，综合多次”框架

当真正的缺陷稀缺或不可用时，合成异常生成有助于扩展工业异常数据集。现有的方法处于两个极端：程序性方法速度快，但难以表示复杂的异常，而生成式方法会产生多种缺陷，但需要昂贵的每个样本生成成本。我们提出了 FLASH，一个在“生成一次，合成多次”范式下将缺陷生成与异常合成分离的框架。仅给定正常图像，FLASH 使用视觉语言模型 (VLM) 指导和图像生成模型来生成一小组缺陷图像，从中提取、验证并存储可重复使用的缺陷补丁。对于异常图像的合成，对象边界抑制 (OBS) 首先识别主图像中可能的前景对象感知区域，而多分辨率光谱金字塔 (MRSP) 噪声生成各种大小可控的掩模，用于确定缺陷位置和空间范围。然后，它通过定位缺陷区域、采样大小可控的放置掩模并将检索到的缺陷无缝混合到新的无缺陷图像上，从而组成一个大型且多样化的合成异常图像集，而无需进一步生成图像。 MVTec AD 2 数据集上的实验表明，FLASH 生成的异常几乎缩小了真实缺陷的校准差距，达到 78.1% 的图像级 F1，而真实异常上限为 83.6%，并在程序和生成替代方案中提供了跨探测器的最一致的校准传输。此外，FLASH 合成异常的速度比按样本生成方法快 11.95 倍以上。