論文の概要: Global Logic and Local Search: Dual-Stream Multimodal In-Context Learning for Verifiable Industrial Anomaly Detection

• arxiv url: http://arxiv.org/abs/2607.03817v1
• Date: Sat, 04 Jul 2026 11:05:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.729356
• Title: Global Logic and Local Search: Dual-Stream Multimodal In-Context Learning for Verifiable Industrial Anomaly Detection
• Title（参考訳）: グローバル論理と局所探索: 検証可能な産業異常検出のためのデュアルストリームマルチモーダルインコンテキスト学習
• Abstract要約: 我々は,参照誘導型マルチモーダルインコンテキスト検証のためのトレーニングフリーフレームワークであるGlobal Logic and Local Search(GLLS)を提案する。 GLLSは、推論コンテキストにおいて通常の参照と構造化された仕様を整理するために、Part-Aware Visual-Logical Atlasを使用する。 MMAD-QAおよび追加の異常検出データセットの実験は、一致したベースラインと汎用ベースラインに対して一貫した利得を示す。
• 参考スコア（独自算出の注目度）: 27.04976556268606
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Multimodal Models (LMMs) show strong few-shot generalization, but industrial anomaly detection remains difficult because defects are small, input resolution is limited, and textual standards are not always grounded in visual evidence. Recent optimization-based methods improve alignment through fine-tuning, but they often require many defective samples, which are unavailable in early deployment. We present Global Logic and Local Search (GLLS), a training-free framework for reference-guided multimodal in-context verification. GLLS uses a Part-Aware Visual-Logical Atlas to organize normal references and structured specifications in the inference context. It combines a Global & Logic Stream, where SAM 3 extracts partially checkable visual facts, with a Fine-Grained & Actions Stream, where MCTS selects local evidence crops under a fixed budget. Experiments on MMAD-QA and additional anomaly detection datasets show consistent gains over matched and general-purpose baselines, while keeping the final diagnostic decision traceable to explicit visual evidence throughout the inspection trace.
• Abstract（参考訳）: 大規模マルチモーダルモデル(LMM)は強力な数ショットの一般化を示すが、欠陥が小さく、入力解像度が限られ、テキスト標準が常に視覚的証拠に根ざしているとは限らないため、産業的異常検出は依然として困難である。 最近の最適化ベースの手法は微調整によってアライメントを改善するが、初期展開では利用できない多くの欠陥サンプルを必要とすることが多い。 我々は,参照誘導型マルチモーダルインコンテキスト検証のためのトレーニングフリーフレームワークであるGlobal Logic and Local Search(GLLS)を提案する。 GLLSは、推論コンテキストにおいて通常の参照と構造化された仕様を整理するために、Part-Aware Visual-Logical Atlasを使用する。 SAM 3は、部分的にチェック可能な視覚的事実を抽出するGlobal & Logic Streamと、MCTSが固定予算の下でローカルエビデンス作物を選択するFine-Grained & Actions Streamを組み合わせたものだ。 MMAD-QAおよび追加の異常検出データセットの実験は、一致したベースラインと汎用的なベースラインに対して一貫した利得を示し、最終的な診断決定は、検査トレース全体を通して明確な視覚的証拠にトレース可能である。

関連論文リスト

• UniSLAD: A Unified Framework for Structural and Logical Industrial Visual Anomaly Detection [4.587829504952397]
  我々はUniSLADと呼ばれる統一されたフレームワークを提案し、追加のトレーニングなしで論理的および構造的異常に共同で対処する。 まず、局所的なテクスチャ認識のための畳み込みニューラルネットワーク(CNN)バックボーンと、グローバルな文脈推論のためのTransformerバックボーンを相乗的に統合する2機能抽出器を提案する。 パッチレベルでは、Mahalanobis Transform (MT)によって強化されたメモリバンクは、代表的特徴を保持し、より差別的な異常スコアをサポートする。
  論文  参考訳（メタデータ） (2026-06-18T13:11:31Z)
• AnomalyAgent: Training-Free Agentic Models for Zero-/Few-Shot Anomaly Detection [43.187781277950386]
  異常検出のためのトレーニング不要なエージェントフレームワークである textbfAnomalyAgent を提案する。 textbf1) は包括的な異常中心のツールセットであり、textbf2) はカスタマイズされたメモリモジュールである。 AnomalyAgent はトレーニング不要な VLM ベースの AD やジェネリックエージェント手法に比べ,性能が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2026-05-28T16:05:42Z)
• Multi-Level Contextual Token Relation Modeling for Machine-Generated Text Detection [105.1403233464793]
  機械生成テキスト(MGT)は偽情報やフィッシングなどのリスクを生じさせ、信頼性の高い検出の必要性を強調する。 MGTの統計的に区別可能な特徴を抽出するメトリックベース法は、複雑なモデルベース法よりも実用的であることが多い。 MGT検出のための多レベルコンテキストトークン関係モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-15T15:55:58Z)
• Referring Multiple Regions with Large Multimodal Models via Contextual Latent Steering [51.54461480047943]
  本研究では,複数の領域を文脈的に参照するための一般LMMを指導するためのトレーニング不要なアプローチであるCSteerを紹介した。 CSteerは、視覚的な参照動作を暗黙的に表現する事前計算のコンテキストベクトルから始める。 実験の結果,CSteer を用いた一般 LMM は LMM よりも優れていた。
  論文  参考訳（メタデータ） (2026-05-03T11:34:36Z)
• Text-Guided Multimodal Unified Industrial Anomaly Detection [71.95719669933312]
  そこで本研究では,テキストセマンティクスによって導かれる多モーダル産業異常検出フレームワークを提案する。 フレームワークは、Geometry-Aware Cross-Modal MapperとObject-Conditioned Textual Feature Adaptorの2つのコアモジュールで構成されている。 本手法は,教師なし環境下での分類とローカライゼーションにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-04-24T13:21:22Z)
• Unified Unsupervised Anomaly Detection via Matching Cost Filtering [113.43366521994396]
  教師なし異常検出(UAD)は、通常のトレーニングデータのみを用いて画像レベルの異常と画素レベルの異常を識別することを目的としている。 UADモデルの異常コスト量を補正するための汎用的なポストホック精錬フレームワークであるUnified Cost Filtering (UCF) を提案する。
  論文  参考訳（メタデータ） (2025-10-03T03:28:18Z)
• CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward [50.97588334916863]
  評価と結果報酬のための正確で堅牢な軽量検証モデルであるCompassVerifierを開発した。 数学、知識、多種多様な推論タスクにまたがる多分野の能力を示し、様々な答えの型を処理する能力を示す。 我々は,複数のデータソースから収集したモデル出力からなるVerifierBenchベンチマークを導入し,メタエラーパターンを手動で解析してCompassVerifierを強化する。
  論文  参考訳（メタデータ） (2025-08-05T17:55:24Z)
• VMAD: Visual-enhanced Multimodal Large Language Model for Zero-Shot Anomaly Detection [19.79027968793026]
  Zero-shot Anomaly Detection (ZSAD)は、未確認のオブジェクト内の異常を認識し、ローカライズする。 既存のZSADメソッドは、クローズドワールド設定によって制限され、事前に定義されたプロンプトで見つからない欠陥に苦労する。 我々は、視覚的IAD知識ときめ細かい知覚でMLLMを強化する新しいフレームワークVMAD(Visual-enhanced MLLM Anomaly Detection)を提案する。
  論文  参考訳（メタデータ） (2024-09-30T09:51:29Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [89.92916473403108]
  本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Learning Global-Local Correspondence with Semantic Bottleneck for Logical Anomaly Detection [6.553276620691242]
  本稿では,論理的制約を伴う視覚異常検出のためのGlobal-Local Cor correspondingence Framework (GLCF) という新しいフレームワークを提案する。 視覚異常検出は、産業的異常検出や医学的疾患の診断など、様々な現実世界の応用において活発な研究領域となっている。
  論文  参考訳（メタデータ） (2023-03-10T08:09:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。