論文の概要: Industrial Anomaly Detection via Defect-Grounded Reasoning in Visual Latent Space

• arxiv url: http://arxiv.org/abs/2609.29457v1
• Date: Thu, 24 Sep 2026 12:11:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.911886
• Title: Industrial Anomaly Detection via Defect-Grounded Reasoning in Visual Latent Space
• Title（参考訳）: 視覚空間における欠陥周辺推論による産業異常検出
• Abstract要約: Anomaly-LRは、きめ細かい検査のための欠陥基底の潜伏推論フレームワークである。 IAD-LR-22K は遅延推論のために設計された最初の IAD 命令データセットである。 Anomaly-LRは、同等のスケールのメソッド間で最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 10.23557887038366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industrial anomaly detection (IAD) is evolving beyond conventional detection and localization toward multimodal inspection systems that can describe, explain, and reason about fine-grained defects. Although recent multimodal large language model (MLLM)-based methods improve anomaly understanding through textual reasoning and visual guidance, they face two limitations in fine-grained inspection. First, their visual refinement often requires iteratively revisiting local image regions or augmenting with additional tools. Second, the resulting local defect evidence may not be reliably preserved throughout subsequent reasoning. To address these, we propose Anomaly-LR, a defect-grounded latent reasoning framework that first forms a global understanding of the input and then progressively refines anomaly-relevant representations directly in the visual latent space. We further construct IAD-LR-22K, the first IAD instruction dataset designed for latent reasoning, containing 22,228 image-question instances from 4,523 industrial images, with global textual reasoning traces and region-level visual annotations. Extensive experiments show that Anomaly-LR achieves state-of-the-art performance among comparable-scale methods across multiple IAD benchmarks, without requiring external references or tools. The code and data will be released at https://github.com/Yen666/Anomaly-LR.
• Abstract（参考訳）: 産業異常検出(IAD)は, きめ細かい欠陥を記述, 説明, 推論できるマルチモーダル検査システムに向けて, 従来の検出および局所化を超えて進化している。 近年のマルチモーダル・大規模言語モデル(MLLM)に基づく手法は,テキスト推論と視覚誘導によって異常理解を改善するが,細粒度検査では2つの限界に直面している。 第一に、その視覚的改善は、しばしば、局所的なイメージ領域を反復的に再考するか、追加のツールで拡張する必要がある。 第二に、得られた局所的な欠陥証拠は、その後の推論を通して確実に保存されない可能性がある。 このような問題に対処するために,まず入力のグローバルな理解を形成し,次に視覚的潜在空間内での異常関連表現を漸進的に洗練する欠陥基底型潜在推論フレームワークであるAnomaly-LRを提案する。 IAD-LR-22Kは,4,523の産業画像から22,228の画像検索インスタンスと,グローバルテキスト推論トレースと地域レベルの視覚アノテーションを含む,潜在推論用に設計された最初のIAD命令データセットである。 大規模な実験により、Anomaly-LRは、外部参照やツールを必要とせずに、複数のIADベンチマークで比較可能なスケールのメソッド間で、最先端のパフォーマンスを達成することが示された。 コードとデータはhttps://github.com/Yen666/Anomaly-LRで公開される。

関連論文リスト

• LARAD: Layout-Aware Road Anomaly Detection via Spatial-Logic Reasoning [16.92190487823839]
  本稿では,外見整合から空間論理的推論へパラダイムをシフトさせるレイアウトアウェア道路異常検出(LARAD)を提案する。 まず、テクスチャに一貫性があるが空間的に無効なトレーニングサンプルを生成するSpatial-Logic Violation Synthesis Pipelineを紹介する。 第二に、OoD誘導の軽量なアテンションブランチにより、標準的なクローズドセットセグメンテーションネットワークを増強する。
  論文  参考訳（メタデータ） (2026-07-14T15:09:00Z)
• Global Logic and Local Search: Dual-Stream Multimodal In-Context Learning for Verifiable Industrial Anomaly Detection [27.04976556268606]
  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。
  論文  参考訳（メタデータ） (2026-07-04T11:05:57Z)
• Reason-IAD: Knowledge-Guided Dynamic Latent Reasoning for Explainable Industrial Anomaly Detection [85.29900916231655]
  Reason-IADは、説明可能な産業異常検出のための知識誘導型動的潜在推論フレームワークである。 実験により、Reason-IADは最先端の手法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2026-02-10T14:54:17Z)
• 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)
• Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
  異常検出は、医学診断や工業的欠陥検出などの分野において重要である。 CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。 クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
  論文  参考訳（メタデータ） (2025-04-15T10:42:25Z)
• 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)
• Myriad: Large Multimodal Model by Applying Vision Experts for Industrial Anomaly Detection [86.24898024621008]
  産業異常検出に視覚専門家を適用した新しい大規模マルチモーダルモデルを提案する(略してMyriad)。 我々は,視覚専門家が生成する異常マップをLMMのガイダンスとして利用し,視覚モデルが異常領域により多くの注意を払うように誘導する。 提案手法は最先端の手法に対して良好に機能するだけでなく,IAD分野におけるLMMの柔軟性や命令追従性を継承する。
  論文  参考訳（メタデータ） (2023-10-29T16:49:45Z)

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。