LogicAD: Explainable Anomaly Detection via VLM-based Text Feature Extraction

逻辑图像理解涉及解释和推理图像视觉内容中的关系和一致性。这种能力在工业检测等应用中至关重要，因为在这些领域中，逻辑异常检测对于保持高质量标准和减少昂贵的召回非常重要。以往的异常检测（AD）研究依赖于先验知识来设计算法，这通常需要大量的手动标注、显著的计算能力和大量的训练数据。自回归多模态视觉语言模型（AVLMs）由于在跨域视觉推理方面表现出色，提供了一种有前景的替代方案。尽管如此，它们在逻辑异常检测方面的应用尚未被探索。在这项工作中，我们研究了使用AVLMs进行逻辑异常检测，并证明它们非常适合这项任务。通过将AVLMs与格式嵌入和逻辑推理器结合，我们在公共基准MVTec LOCO AD上实现了最先进的性能，获得了86.0%的AUROC和83.7%的最大F1值，并附带异常解释。这大大超过了现有的最先进方法。

该论文试图解决工业检测中逻辑异常检测的问题，特别是如何在不需要大量手动标注和计算资源的情况下提高异常检测的准确性和解释性。这是一个具有实际应用价值的新问题，特别是在工业质量和安全标准方面。

关键思路是利用自回归多模态视觉语言模型（AVLMs）结合格式嵌入和逻辑推理器来进行逻辑异常检测。相比传统方法依赖于先验知识和大量数据训练，这种方法能够更高效地进行视觉推理，并且提供对异常的解释。这为异常检测领域带来了新的视角，尤其是在逻辑推理和解释性方面。

该研究的主要亮点包括：1) 在MVTec LOCO AD基准上取得了显著优于现有最先进方法的成绩，AUROC达到86.0%，F1-max达到83.7%；2) 提供了对检测到的异常的解释，增强了模型的可解释性；3) 研究表明AVLMs在逻辑异常检测中的潜力巨大。此外，实验设计合理，使用了公开的数据集，并且开源代码有助于后续研究。

最近在这个领域内，相关的研究包括：1) 使用深度学习和卷积神经网络进行异常检测的研究；2) 结合生成对抗网络（GAN）和自动编码器的方法；3) 引入注意力机制以提高模型性能的研究。一些相关研究的论文标题包括《基于深度学习的工业缺陷检测》、《利用GAN进行无监督异常检测》、《引入注意力机制提升异常检测性能》等。