arXiv cs.AI· Jinchan Kim, Jinhee Im, Hyunsouk Cho·· 10 小时前AI 评分27
CASCADE：面向逻辑异常检测的约束感知脚手架分解框架
CASCADE: Constraint-Aware SCAffolded DEcomposition for Logical Anomaly Detection
AI 导读
CASCADE 是一个免训练框架，通过为每条约束生成专属视觉脚手架来扩展清单式分解，解决 LVLM 在逻辑异常检测中"文本检查共用同一张原图"造成的约束感知缺口。
正文 · AI 翻译
摘要：逻辑异常检测（LAD）要求在仅给定少量正常参考样本的情况下，验证查询图像是否满足所有类别特定约束，例如物体数量、配对关系和测量范围。近期基于大型视觉语言模型（LVLM）的 LAD 方法将此表述为清单验证，将决策分解为独立的文本检查。然而，这种分解仅基于文本。每个检查项仍然读取同一张未经修改的查询图像，因此 LVLM 必须从一张原始图像中提取不同形式的视觉证据。我们将这种文本-图像不匹配识别为约束特定的感知差距，它是两种失败模式的根源：绑定约束的实例混淆和校准约束的尺度漂移。为了诊断这些失败是源于推理不足还是感知不足，我们在免训练设置下比较了文本推理引导和视觉感知引导。我们的分析表明，对同一图像进行推理几乎没有益处，而针对每个约束调整视觉输入则显著提高了验证准确率。基于这一发现，我们提出了 CASCADE，一个免训练框架，使用约束特定的视觉脚手架扩展清单分解。我们进一步引入了 CASCADE++，它在对象级别调整这些脚手架，通过从约束结构和参考分布中推导其配置。在 MVTec-LOCO 和 VID-AD 上，CASCADE++ 仅使用三个参考样本就比全样本最先进方法高出 3.9 个 AUROC 点，并且比最强的 VID-AD 基线提高了 11.4，在无需任何训练的情况下可跨多个 LVLM 主干迁移。
| 评论： | 被第 26 届 IEEE 国际数据挖掘会议（ICDM 2026）接收。10 页，6 幅图，6 张表 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.13820 [cs.CV] |
| （或 arXiv:2611.13820v1 [cs.CV] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.13820 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jinchan Kim [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 09:46:23 UTC（642 KB）
来源：arXiv cs.AI · arxiv.org