摘要

视觉异常检测在工业缺陷检测、医学诊断等现实应用场景中具有重要意义。然而，现有大多数方法主要关注局部结构异常，难以在逻辑条件下识别更高层次的功能性异常。尽管近期研究已开始探索逻辑异常检测，但其仅能处理诸如缺失或多余等简单异常类型，且由于高度依赖数据驱动，泛化能力较差。为填补这一空白，本文提出一种零样本、即插即用的逻辑异常检测框架——SAM-LAD，适用于任意场景下的逻辑异常检测。首先，利用预训练主干网络获取查询图像的特征图。同时，通过查询图像的最近邻搜索，检索出相应的参考图像及其对应的特征图。随后，引入Segment Anything Model（SAM）获取查询图像与参考图像中各物体的掩码。将每个物体掩码与整幅图像的特征图相乘，从而提取出对应的物体特征图。在此基础上，提出一种物体匹配模型（Object Matching Model, OMM），用于匹配查询图像与参考图像中的物体。为进一步提升匹配性能，我们设计了一种动态通道图注意力模块（Dynamic Channel Graph Attention, DCGA），将每个物体视为关键点，并将其特征图转换为特征向量。最后，基于物体匹配关系，构建异常度量模型（Anomaly Measurement Model, AMM），以识别存在逻辑异常的物体，同时也能检测物体内部的结构异常。我们在多个基准数据集上对所提出的SAM-LAD进行了验证，涵盖工业缺陷检测数据集（MVTec Loco AD、MVTec AD）以及逻辑异常数据集（DigitAnatomy）。大量实验结果表明，SAM-LAD在各项指标上均显著优于现有最先进（SoTA）方法，尤其在逻辑异常检测任务中表现突出，展现出优异的检测能力与良好的泛化性能。