💻 computer science

MIRAGE: Model-agnostic Industrial Realistic Anomaly Generation and Evaluation for Visual Anomaly Detection

تُعد MIRAGE عبارة عن مسار عمل مؤتمت بالكامل ولا يتطلب تدريباً، يستفيد من النماذج التوليدية ذات الصندوق الأسود، ونماذج الرؤية واللغة، ووحدة كشف تغيير ثنائية الفرع لتوليد صور عيوب صناعية واقعية وأقنعة على مستوى البكسل دون الحاجة إلى بيانات عيوب حقيقية، مما يعزز أداء الكشف عن العيوب البصرية ويوفر مجموعة بيانات مفتوحة المصدر واسعة النطاق.

المؤلفون الأصليون: Jinwei Hu, Francesco Borsatti, Arianna Stropeni, Davide Dalle Pezze, Manuel Barusco, Gian Antonio Susto

نُشر 2026-03-17

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Jinwei Hu, Francesco Borsatti, Arianna Stropeni, Davide Dalle Pezze, Manuel Barusco, Gian Antonio Susto

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك مفتش جودة في مصنع ينتج آلاف المنتجات المتطابقة يومياً، مثل الزجاجات أو الرقائق الإلكترونية. مهمتك هي رصد المنتجات "السيئة" — تلك التي بها خدوش، أو شقوق، أو انبعاجات.

المشكلة؟ أنت لم ترَ منتجاً سيئاً من قبل. فالمصنع مثالي للغاية لدرجة أنك لا تملك سوى صور للمنتجات "الجيدة". تحاول نماذج الذكاء الاصطناعي التقليدية تعلم شكل "الكمال"، ثم تطلق "إنذاراً!" إذا بدا أي شيء مختلفاً ولو قليلاً. لكن هذا أمر صعب؛ فأحياناً يبدو الظل وكأنه خدش، أو تبدو البقعة وكأنها شق، مما يؤدي إلى إنذارات كاذبة.

لحل هذه المشكلة، تود أن تعرض على الذكاء الاصطوي صوراً لعيوب حقيقية. ولكن في المصنع المثالي، العيوب الحقيقية لا توجد (أو هي نادرة جداً بحيث يصعب جمعها).

إليك MIRAGE. فكر في MIRAGE كـ آلة "ماذا لو" السحرية التي يمكنها إنشاء صور مزيفة، ولكنها واقعية للغاية، لمنتجات مكسورة حتى يتعلم الذكاء الاصطناعي منها.

إليك كيف يعمل MIRAGE، مقسماً إلى خطوات بسيطة:

1. محرك "الخيال" (النموذج التوليدي)

حاولت معظم الطرق السابقة بناء محرك "خيال" خاص بها من الصفر، وكان الأمر يشبه محاولة بناء محرك سيارة جديد في كل مرة تريد فيها القيادة. كان ذلك مكلفاً، بطيئاً، وصعب التحديث.

MIRAGE مختلف. هو لا يبني محركاً؛ بل يستأجر سيارة خارقة.

التشبيه: تخيل أنك تريد رؤية كيف تبدو "زجاجة مخدوشة". بدلاً من رسم الخدش بنفسك، تتصل بفنان محترف (نموذج ذكاء اصطناعي يسمى Gemini) عبر تطبيق هاتف (واجهة برمجة تطبيقات - API).
تقول له: "هذه صورة لزجاجة مثالية. الآن، تخيل أن بها خدشاً على جانبها."
يرسل لك الفنان فوراً صورة تبدو حقيقية جداً، لدرجة أنك تكاد تشعر بالخدش.
السحر: إذا توفر فنان أفضل في العام المقبل، يمكنك ببساً تغيير رقم الهاتف الذي تتصل به. لا يتعين عليك إعادة بناء النظام بأكمله.

2. "الحارس" (فلتر الجودة)

أحياناً، يخطئ الفنان. قد يرسم خدشاً يبدو كأنه شق، أو قد يغير لون الزجاجة بالخطأ.

التشبيه: MIRAGE لديه حارس صارم عند الباب (فلتر يعتمد على CLIP). قبل السماح للصورة المزيفة بالدخول إلى غرفة التدريب، يتحقق الحارس: "هل تبدو هذه الصورة حقاً لزجاجة مخدوشة، أم أنها مجرد زجاجة زرقاء؟"
إذا لم تطابق الصورة الوصف تماماً، يطردها الحارس. هذا يضمن أن الذكاء الاصطناعي يتعلم فقط من الأمثلة عالية الجودة.

3. "الرؤية بالأشعة السينية" (مولد القناع)

هذا هو الجزء الأصعب. عندما يرسم الفنان خدشاً، يحتاج الذكاء الاصطناي لمعرفة بالضبط أي بكسلات هي الخدش وأيها هي الزجاجة. إنه يحتاج إلى "قناع" (stencil) لتحديد مكان الضرر.

المشكلة: قد يغير الفنان الإضاءة قليلاً أو يغير الزاوية، مما يجعل من الصعب معرفة ما تغير بمجرد النظر إلى البكسلات.
حل MIRAGE: يستخدم نهج العقلين:
1. العقل الدلالي (Semantic Brain): يقرأ هذا العقل النص ("خدش") ويبحث عن أي شيء يبدو كأنه خدش.
2. العقل الهيكلي (Structural Brain): يتجاهل هذا العقل النص ويبحث فقط عن أي تغيير فيزيائي في الشكل أو الملمس بين الصورة المثالية والصورة المزيفة.
النتيجة: يدمج MIRAGE بين هذين المنظورين. إذا قال العقل الدلالي "هذا يبدو كخدش" وقال العقل الهيكلي "الملمس تغير هناك"، بام! يرسم قناعاً مثالياً حول العيب. يفعل ذلك دون الحاجة لأن يتم تعليمه كيفية القيام بذلك مسبقاً.

4. "التجربة الكبرى" (النتائج)

اختبر الفريق MIRAGE مقابل طرق أخرى باستخدام مجموعتي بيانات صناعيتين شهيرتين (MVTec AD و VisA).

الاختبار البشري: عرضوا على بشر حقيقيين صوراً لعيوب حقيقية مقابل عيوب MIRAGE المزيفة. لم يستطع البشر التمييز بينهما في معظم الأوقات! تم تقييم عيوب MIRAGE المزيفة على أنها واقعية تقريباً مثل العيوب الحقيقية.
اختبار الذكاء الاصطناعي: قاموا بتدريب مفتش ذكاء اصطناعي جديد باستخدام صور MIRAGE المزيفة فقط. أصبح هذا المفتش الجديد بارعاً للغاية في العثور على العيوب الحقيقية، متفوقاً على جميع الطرق الأخرى.

لماذا هذا مهم؟

لا حاجة لعيوب حقيقية: لست بحاجة للانتظار حتى يتعطل مصنع لتدريب الذكاء الاصطناعي الخاص بك.
رخيص وسهل: لا يتطلب أجهزة كمبيوتر باهظة الثمن. كل ما تحتاجه هو اتصال بالإنترنت للاتصال بـ "الفنان".
جاهز للمستقبل: مع تحسن الذكاء الاصطناعي، يقوم MIRAGE ببساطة باستبدال "الفنان" بآخر أفضل.
مفتوح المص المصدر: أصدر الفريق أكثر من 13,000 صورة وقناع للعيود المزيفة مجاناً، لكي يتمكن أي شخص من استخدامها لبناء أنظمة سلامة أفضل.

باختصار: MIRAGE هو نظام جاهز للاستخدام يستخدم قوة فناني الذكاء الاصطناعي المعاصرين لتخيل أمثلة مثالية لـ "ما يمكن أن يحدث خطأ"، مما يسمح للمصانع بتدريب أنظمة السلامة الخاصة بها دون الحاجة أبداً لمنتج مكسور واحد حقيقي.

إليك ملخص تقني مفصل لورقة البحث "MIRAGE: Model-agnostic Industrial Realistic Anomaly Generation and Evaluation for Visual Anomaly Detection".

1. بيان المشكلة

تعمل أنظمة الكشف عن الشذوذ البصري (VAD) في المجال الصناعي عادةً وفق نموذج الفئة الواحدة (one-class paradigm)، حيث يتم تدريب النماذج حصرياً على البيانات الخالية من العيوب ("الطبيعية"). ورغم فعالية هذا النهج، إلا أن الأداء يتحسن بشكل كبير عند توفر قدر ضئيل من البيانات الشاذة للتدريب الخاضع للإشراف. ومع ذلك، تفتقر البيئات الصناعية غالباً إلى عينات حقيقية للعيوب بسبب ندرة العيوب وارتفاع تكلفة جمع البيانات.

تواجه الحلول الحالية لتوليد الشذوذ الاصطناعي قيوداً حرجة:

طرق النسخ واللصق (مثل DRAEM و GLASS): تنتج أنسجة غير واقعية (مثل ضوضاء بيرلن/Perlin noise) تفتقر إلى الدقة البصرية.
الأساليب القائمة على الانتشار (مثل RealNet): تتطلب تدريب نموذج انتشار احتمالي لتقليل الضجيج (DDPM) منفصل لكل فئة منتج، مما يؤدي إلى تكاليف حوسبة عالية وقابلية توسع ضعيفة.
أساليب التعلم بلقطات قليلة (Few-shot methods): تتطلب أمثلة شاذة حقيقية للتدريب، مما يبطل الغرض من التوليد في حالة "الصفر المعرفة" (zero-shot).
أحدث أساليب "الصفر معرفة" (مثل AnomalyAny): رغم فعاليتها، إلا أنها مرتبطة ارتباطاً وثيقاً ببنى انتشار محددة، وتتطلب ذاكرة فيديو ضخمة (أكثر من 30 جيجابايت)، وأوقات توليد طويلة، ويصعب ترقيتها عند ظهور نماذج توليدية جديدة.

الهدف: إنشاء مسار عمل مؤتمت بالكامل، وقابل للتوسع، وواقعي لتوليد الصور الشاذة وأقنعة مستوى البكسل، بحيث لا يتطلب أي تدريب، ولا بيانات عيوب حقيقية، ولا أجهزة باهظة الثمن، مع كونه قابلاً للترقية بسهولة إلى نماذج توليدية أحدث.

2. المنهجية: مسار عمل MIRAGE

إن MIRAGE (توليد وتقييم الشذوذ الصناعي الواقعي المستقل عن النموذج) هو مسار عمل ثلاثي المراحل ومستقل عن النموذج، يعامل النماذج التوليدية كـ "صناديق سوداء" يتم الوصول إليها عبر واجهة برمجة التطبيقات (API).

المرحلة 1: التوليد الآلي لمطالبات العيوب (Defect Prompts)

المدخلات: مجموعة من الصور المرجعية الطبيعية لفئة منتج معينة.
العملية: يقوم نموذج رؤية-لغوي (VLM) (مثل ChatGPT-5) بتحليل الصور الطبيعية وتوليد قائمة مهيكلة تضم 10 أنواع من عيوب التصنيع المحتملة مع نصوص وصفية موجزة (مثال: "خدش سطحي: علامة خطية رفيعة وضحلة...").
الميزة: يلغي الحاجة إلى الخبرة البشرية في المجال ويضمن أن المطالبات (prompts) متجذرة في الواقع البصري للمنتج المحدد.

المرحلة 2: توليد الصور الشاذة وتصفية الجودة

التوليد: يستخدم نموذجاً توليدياً عاماً (حالياً Gemini 2.5 Flash Image، داخلياً يسمى "Nano Banana") عبر API. يأخذ النموذج صورة طبيعية ومطالبة العيب لتوليد صورة شاذة واقعية ( $I_a$ ) مع الحفاظ على الخلفية والإضاءة والتخطيط الأصلي.
مرشح الجودة القائم على CLIP: لاستبعاد حالات فشل التوليد أو العيوب الناتجة، يقوم المسار بحساب أربعة أوجه للتشابه بين صور ونصوص CLIP:
1. $I_a$ مقابل مطالبة الشذوذ ( $sim(I_a, p_a)$ )
2. $I_a$ مقابل المطالبة الطبيعية ( $sim(I_a, p_n)$ )
3. $I_n$ مقابل مطالبة الشذوذ ( $sim(I_n, p_a)$ )
4. $I_n$ مقابل المطالبة الطبيعية ( $sim(I_n, p_n)$ )
المعايير: يتم الاحتفاظ بالصورة فقط إذا كانت تتوافق مع مطالبة الشذوذ بشكل أفضل من الصورة الطبيعية، وتتوافق مع مطالبة الشذال أفضل مما تتوافق مع المطالبة الطبيعية. وهذا يضمن التماسك الدلالي ووجود العيب.

المرحلة 3: توليد القناع ثنائي المسار الخالي من التدريب

يعد توليد أقنعة دقيقة على مستوى البكسل دون تدريب تحدياً كبيراً. يقدم MIRAGE وحدة كشف التغير الدلالي ثنائية المسار:

المسار الدلالي (Grounding DINO):
- يستخدم Grounding DINO (المعتمد على النص) لاستخراج الميزات من كل من الصور الطبيعية ( $I_n$ ) والشاذة ( $I_a$ ) بناءً على الكلمات المفتاحية للعيب.
- يحسب الفرق: $S_{sem} = \| \phi_{GD}(I_a, t) - \phi_{GD}(I_n, t) \|_2$ .
- الغرض: التقاط الصلة الدلالية للعيب، مما يقلل من النتائج الإيجابية الخاطئة الناتجة عن الأنسجة الطبيعية التي قد تبدو كعيوب.
المسار الهيكلي (YOLOv26-L-Seg):
- يستخدم YOLOv26-L-Seg (غير مشروط) لاستخراج ميزات هيكلية متعددة المقاييس.
- يحسب الفرق عبر الطبقات: $S_{str} = \| \psi_l(I_a) - \psi_l(I_n) \|_2$ .
- الغرض: التقاط التغيرات الهيكلية الدقيقة والتشوهات على مستوى البكسل بغض النظر عن المعنى الدلالي.
الدمج: القناع النهائي هو حاصل الضرب العنصري للخرائط الحرارية الدلالية والهيكلية المرفوعة (upsampled) ( $S = \hat{S}_{sem} \odot \hat{S}_{str}$ ).
المعايرة: يتم تحسين عتبة واحدة لكل فئة باستخدام مجموعة صغيرة من الأقنعة المرجعية (التي تم توليدها بواسطة نموذج أعلى تكلفة) لزيادة قيمة AUROC على مستوى البكسل.

3. المساهمات الرئيسية

مسار عمل مستقل عن النموذج: إطار عمل "وصل وشغل" (plug-and-play) يصل إلى النماذج التوليدية عبر API. لا يتطلب تدريباً محلياً على GPU، ولا بيانات شاذة، ولا هندسة مطالبات يدوية، ويمكنه استبدال النماذج التوليدية الأحدث (مثل نماذج VLM أو مولدات الصور المستقبلية) بسلاسة عبر تغيير نقطة النهاية (endpoint) فقط.
توليد أقنعة خالي من التدريب: وحدة كشف تغير ثنائية المسار تجمع بين الميزات الدلالية المشروطة بالنص (Grounding DINO) والميزات الهيكلية غير المشروطة (YOLOv26) لإنتاج أقنعة عالية الجودة دون أي تدريب تحت الإشراف.
تقييم شامل: أكثر التقييمات شمولاً لتوليد الشذوذ حتى الآن، ويغطي:
- أداء التجزئة في المهام اللاحقة (U-Net).
- المقاييس المؤتمتة (Inception Score, IC-LPIPS).
- دراسة إدراكية بشرية: دراسة شارك فيها 31 مشاركاً و1,550 تصويتاً زوجياً تم ترتيبها عبر TrueSkill.
مجموعة بيانات عامة واسعة النطاق: إصدار أكثر من 13,000 زوج من الصور والأقنعة (500 لكل فئة) لجميع فئات MVTec AD و VisA، جنباً إلى جنب مع جميع مطالبات التوليد والبرمجيات. وهي أكبر إصدار من نوعه حتى الآن.

4. النتائج

أُجري التقييم على معايير MVTec AD و VisA، مع مقارنة MIRAGE بكل من GLASS و RealNet و AnomalyAny.

الجودة الإدراكية البشرية:
- حقق MIRAGE درجة TrueSkill بلغت 28.33، وهي قريبة جداً من الصور الحقيقية (28.61)، وتتفوق بشكل كبير على AnomalyAny (27.16).
- معدل الفوز: فاز MIRAGE بنسبة 67.2% في المقارنات الزوجية الحاسمة ضد الطرق الأخرى.
المقاييس المؤتمتة:
- درجة Inception (IS): حقق MIRAGE أعلى متوسط IS (2.68)، مما يشير إلى جودة وتنوع صور فائقين.
- IC-LPIPS: سجل MIRAGE 0.38، مما يشير إلى توافق إدراكي قوي مع العيوب الحقيقية داخل المجموعات.
التجزئة في المهام اللاحقة (U-Net):
- حقق MIRAGE أفضل AUROC على مستوى البكسل في كلا المجموعتين (0.92 في MVTec AD و 0.92 في VisA).
- تأثير تصفية CLIP: أدى تصفية عمليات التوليد منخفضة الجودة إلى تحسين Image-Level AUROC بنسبة ~10% (0.70 $\to$ 0.80 في MVTec AD) دون التأثير على أداء مستوى البكسل.
جودة القناع: حقق كشف التغيير ثنائي المسار AUROC بمستوى البكسل بلغ 0.93 مقابل الحقيقة الأرضية الزائفة (pseudo ground truth)، متفوقاً بشكل كبير على View-Delta (0.73).

5. الأهمية والأثر

ديمقراطية الذكاء الاصطناعي الصناعي: من خلال إزالة الحاجة إلى وحدات معالجة رسومية (GPUs) باهظة الثمن، وبيانات عيوب حقيقية، وهندسة مطالبات يدوية، يجعل MIRAGE الكشف عن الشذوذ عالي الجودة متاحاً لنطاق أوسع من التطبيقات الصناعية.
القابلية للتوسع والاستعداد للمستقبل: يضمن نهج الـ API "الصندوق الأسود" أن المسار سيستفيد تلقائياً من تحسن النماذج التوليدية (مثل دقة أعلى أو استدلال أسرع) دون الحاجة لإعادة هندسة معمارية.
مورد للمجتمع العلمي: إن إصدار مجموعة بيانات ضخمة وعالية الجودة (أكثر من 13 ألف زوج) يسد فجوة حرجة في المجتمع البحثي، مما يسمح بأبحاث قابلة للتكرار في تجزئة الشذوذ تحت الإشراف، وتصنيف العيوب، والفحص الصناعي.
تحول في النموذج (Paradigm Shift): ينقل المجال بعيداً عن نماذج الانتشار المعقدة التي تتطلب تدريباً كثيفاً نحو مسارات عمل فعالة، تعتمد على الـ API، ومستقلة عن النموذج، وتضع الواقعية والقدرة على النشر العملي في المقدمة.