新的蒸馏框架提高了 MLLM 异常检测的准确性

研究人员开发了 ADOPD，一个新颖的参考特权单策略蒸馏框架，旨在利用多模态大语言模型 (MLLM) 增强工业异常检测。该方法在训练过程中将参考比较的优势内化到模型参数中，解决了教师模型可能偏向语言先验而非视觉信息的局限性。ADOPD 在 MMAD 基准测试的零样本设置下实现了 77.31% 的平均准确率，显著提高了 Qwen3-VL-4B 主干模型的性能 6.14 个百分点，并超越了其单样本性能。 AI

影响 增强了 MLLM 在工业异常检测方面的能力，有望提高视觉检测任务的准确性和效率。

排序理由 详细介绍一种新的 MLLM 异常检测方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• ADOPD
• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• MMAD benchmark
• Qwen3-VL 4B
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →