arXiv cs.AI· Haoyu Zheng, Jiang Liu, Jiaqi Zhu, Feifei Shao, Zheqi Lv, Wenqiao Zhang·· 9 天前AI 评分27
IAD-Unify：面向工业异常理解、分割与生成的任务专用接口
IAD-Unify: Task-Specific Interfaces for Industrial Anomaly Understanding, Segmentation, and Generation
AI 导读
IAD-Unify 通过任务专用 token 接口统一 MLLM、稠密视觉专家与扩散编辑器，实现工业异常的理解、分割与生成。其多参考 DINOv2 通路将 1,369 个单元压缩为 81 个证据 token 供 Qwen3.5 使用，另有 256-query 接口将 Qwen 状态重采样为 Stable Diffusion 的交叉注意力上下文。
正文 · AI 翻译
摘要：工业异常检测需要互补的能力：解释观察到的缺陷、定位其像素并合成受控编辑。我们提出 IAD-Unify，一种统一架构，通过任务特定的 token 接口连接多模态语言模型（MLLM）、密集视觉专家和扩散编辑器。多参考 DINOv2 路径形成密集异常场，并将其 1,369 个单元压缩为 81 个结构化证据 token。Qwen3.5 消费这些 token 以给出有依据的答案，并借助 32 个任务 token 将其转换为密集掩码上的语义残差。一个单独的 256 查询接口将 Qwen 状态重采样为 Stable Diffusion 的完整交叉注意力上下文，而编辑器保留其源潜变量和硬掩码输入。任务路径共享一个 Qwen 适配，而不强制每个任务通过相同的视觉瓶颈；特别是，证据 token 被排除在生成路径之外。分阶段优化初始化密集证据，将其与语言对齐，校准分割，然后预训练并专门化扩散编辑器，同时保留早期能力。我们还构建了 Anomaly Evidence，涵盖 54,501 张去重工业图像。其质量控制的 Anomaly Evidence Compiler 和 Industrial Edit-Pair Compiler 通过独立的几何、语义基础和编辑一致性检查，产生家族不相交的、经过验证的监督。该设计为理解、分割和局部生成提供了一个固定的共享参数集，而不会混淆它们的输入、监督或输出。所得模型达到 73.02% MMAD Macro$_7$，在单参考下最高的已列出公开分割 AP 平均值（57.10%），以及最低的 Controlled masked DINO 距离（0.3765），在推理、像素排序和语义编辑保真度方面具有互补优势。
| 评论： | 16 页，11 幅图。修订了标题、作者列表、方法和实验；包含补充材料 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2604.12440 [cs.CV] |
| （或 arXiv:2604.12440v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.12440 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Haoyu Zheng [查看电子邮件]
[v1]
2026年4月14日星期二 08:29:31 UTC（3,244 KB）
[v2]
2026年10月8日星期四 09:03:20 UTC（2,074 KB）
来源：arXiv cs.AI · arxiv.org