中國科學(xué)院西安光機所在零樣本異常檢測領(lǐng)域取得新進展

　　近日，中國科學(xué)院西安光機所光譜成像技術(shù)研究室王荃研究員團隊在計算機視覺領(lǐng)域的零樣本異常檢測與定位方向取得新進展，相關(guān)成果被計算機視覺與模式識別大會(The IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2026)接收。論文第一作者為西安光機所2024級碩士研究生胡明，通訊作者為武漢大學(xué)中南醫(yī)院胡聰博士、西安光機所胡炳樑研究員以及王荃研究員，西安光機所為第一通訊單位。
 

　　隨著工業(yè)質(zhì)檢、醫(yī)學(xué)影像分析等應(yīng)用需求不斷增長，異常檢測技術(shù)日益受到關(guān)注。然而，實際場景中異常樣本往往稀缺甚至難以獲取，傳統(tǒng)依賴標注數(shù)據(jù)的監(jiān)督學(xué)習(xí)方法面臨瓶頸。
 

　　基于視覺-語言模型的零樣本異常檢測方法，憑借大規(guī)模預(yù)訓(xùn)練知識，無需異常標注即可實現(xiàn)檢測，但在細粒度異常檢測任務(wù)中，該方法仍面臨三大挑戰(zhàn)：一是模型難以區(qū)分前景目標與復(fù)雜背景，異常特征易與背景混雜，影響檢測精度；二是依賴單一文本表示，語義表達能力有限，難以為異常判別提供精細依據(jù)；三是跨模態(tài)對齊過程中，圖像與文本的語義匹配存在不確定性，制約了模型性能提升。
 

　　針對上述問題，研究團隊提出了新型框架——FB-CLIP(Foreground-Background Disentangled CLIP)。該框架從三個層面進行創(chuàng)新：
 

　　在文本建模上，提出多策略文本特征融合方法，通過結(jié)合句子級表示、全局上下文信息及注意力加權(quán)特征，構(gòu)建更豐富的任務(wù)感知語義表示，提升模型對異常語義的理解能力；
 

　　在視覺建模上，設(shè)計多視角前景-背景分離機制，從語義、空間、結(jié)構(gòu)等維度解耦圖像特征，并借助背景抑制策略減少復(fù)雜場景中的干擾信息，使模型更精準地聚焦異常區(qū)域；
 

　　在跨模態(tài)對齊上，引入語義一致性正則化約束，通過提升預(yù)測置信度并拉大正常與異常樣本的語義間隔，增強模型對異常的判別能力。
 

　　實驗結(jié)果表明，F(xiàn)B-CLIP在多個工業(yè)檢測和醫(yī)學(xué)影像數(shù)據(jù)集上均取得了優(yōu)異性能，尤其在細粒度異常定位任務(wù)中表現(xiàn)突出，整體性能達到國際領(lǐng)先水平。該方法無需異常樣本標注，即可實現(xiàn)對復(fù)雜場景中微小異常的精準檢測與定位，具有良好的實際應(yīng)用前景。
 

　　該成果有望應(yīng)用于醫(yī)學(xué)影像輔助診斷、工業(yè)缺陷檢測等領(lǐng)域。
 

　　西安光機所王荃研究員團隊長期深耕于計算機視覺與生物醫(yī)學(xué)成像、腦機智能等交叉方向研究，近年來在相關(guān)領(lǐng)域持續(xù)取得一系列重要進展，相關(guān)成果發(fā)表于CVPR 2025、Pattern Recognition等。
 

　　IEEE/CVF計算機視覺與模式識別會議是計算機視覺領(lǐng)域最具影響力的國際學(xué)術(shù)會議之一，被中國計算機學(xué)會(CCF)評為A類會議。