Technische Samenvatting: AnomalyClaw

Probleemstelling

Visuele anomaliedetectie (VAD) is cruciaal voor industriële inspectie, medische beeldvorming en infrastructuurmonitoring. Echter, bestaande aanpakken staan voor twee primaire uitdagingen:

1. Domeinfragmentatie: Definities van anomalieën, datamodaliteiten en annotatiestandaarden variëren aanzienlijk tussen domeinen (bijv. industriële defecten versus medische laesies). Modellen die in één domein zijn getraind, transfereren zelden effectief naar andere.
2. Beperkingen van Vision-Language Modellen (VLM's): Hoewel vooringestelde VLM's potentieel bieden voor domeinoverschrijdend gebruik, zijn hun oordelen na één inferentie vaak onbetrouwbaar. Ze vertrouwen sterk op algemene voorkennis in plaats van fijnmazig bewijs uit referenties van normale monsters. Bijgevolg kunnen ze hoge zekerheid maar onjuiste oordelen produceren (bijv. een natuurlijke textuur verwarren met een defect of omgekeerd), omdat ze geen mechanisme hebben om hypothesen expliciet te verifiëren tegen specifieke normale referenties.

Methodologie: AnomalyClaw

De auteurs stellen AnomalyClaw voor, een trainingsvrije, backbone-agnostische VAD-agent die anomaliedetectie herformuleert als een meerrondig weerleggingsproces in plaats van een eenmalige classificatie.

Kernarchitectuur

Het systeem werkt op een bevroren VLM-backbone en bestaat uit drie gelijktijdige componenten:

1. Weerleggingsagent (Hoofdinovatie):
   • Proces: In plaats van bewijs te accumuleren om een anomalie te bevestigen, engageert de agent zich in een weerleggingslus. Deze stelt kandidaat-anomale kenmerken voor en probeert deze te weerleggen door ze te vergelijken met normale referentieafbeeldingen.
   • Toolbibliotheek: De agent maakt gebruik van een catalogus van 13 tools, waaronder visuele verificatie (naast elkaar knippen, inzoomen), referentiehervinding (DINOv2-ähnelijkheid), expertonderzoek (bevroren SubspaceAD-modellen) en domeinkennisopzoeking.
   • Adaptiviteit: Tools worden afgeschermd door domein-toepasbaarheidsclausules (bijv. pixel-level diff-tools zijn uitgeschakeld voor niet-uitgelijnde domeinen zoals medische beeldvorming). De agent selecteert tools op basis van een op kosten gebaseerde ladder (L1–L7) om onzekerheid op te lossen.
   • Traject: De agent draait maximaal $K=5$ beurten. In elke beurt selecteert het een verdacht kenmerk, verzamelt het tool-gebaseerd bewijs en geeft een oordeel (found_in_ref, not_found of inconclusive), waarbij de anomalie-score dienovereenkomstig wordt bijgewerkt.
2. Directe VLM-scorer (Co-signaal):
   • Een eenmalige, descriptor-vrije VLM-aanroep die een ruwe anomalie-score ($s_D$) levert. Dit dient als een robuust veiligheidsnet, vooral voor backbones waar de meerrondige weerlegging moeite zou kunnen hebben.
3. Fusie:
   • De finale score is een vast gewogen gemiddelde: $s_{final} = 0.5 \cdot s_D + 0.5 \cdot s_R$. Deze menging wordt uniform toegepast op alle backbones zonder domeinspecifieke tuning.

Verbaliseerde Zelfevolutie (Optionele Uitbreiding)

Om het gebrek aan gelabelde positieve data in domeinoverschrijdende VAD aan te pakken, introduceren de auteurs een Online Zelfverfijning (OSR)-mechanisme:

• Mechanisme: Het systeem monitort de onenigheid tussen de Directe tak en de Weerleggingstak. Als het verschil $|s_D - s_R| > 0.30$, wordt het item in de wachtrij geplaatst.
• Regelgeneratie: Zodra een domeinspecifieke wachtrij vol is (N=10 items), analyseert een "reflecterende" VLM de trajecten (zonder grondwaarheidlabels) en genereert corrigerende tekstuele regels.
• Toepassing: Deze regels worden opgehaald via RAG en aan volgende queries voorafgeplaatst, waardoor de agent online kan "leren" van zijn eigen interne inconsistenties.

Belangrijkste Bijdragen

1. Eerste Universele VAD-agent: AnomalyClaw is de eerste trainingsvrije, backbone-agnostische agent die VAD vormgeeft als compositieve perceptie met expliciete weerlegging. Het gebruikt één recept voor diverse VLM-backbones (GPT-5.5, Seed2.0-lite, Qwen3.5-VL-27B).
2. Weerlegging boven Accumulatie: Het artikel betoogt dat anomaliedetectie inherent comparatief is. Door elke inferentiebeurt te casting als een expliciete poging om een kandidaat te weerleggen tegen normale referenties, vermijdt de agent de bevestigingstendens die gebruikelijk is in accumulatie-stijl lussen.
3. Labelvrije Zelfevolutie: De OSR-uitbreiding toont aan dat agenten kunnen verbeteren via interne tak-onenigheid zonder orakel-labels, een vermogen dat verschilt van standaard prompt-engineering of supervised fine-tuning.
4. CrossDomainVAD-12 Benchmark: Een nieuwe benchmark die 12 distincte domeinen (industrieel, medisch, remote sensing, enz.) verenigt in één referentiegebaseerd AUROC-protocol om backbone- en domein-afhankelijke faalmodi bloot te leggen die door single-domein evaluaties worden gemaskeerd.

Experimentele Resultaten

Geëvalueerd op CrossDomainVAD-12 (1.418 testitems over 12 domeinen):

• Prestatiewinst: AnomalyClaw presteert consistent beter dan single-step Direct inferentie over alle backbones:
  • GPT-5.5: +6,23 procentpunten (pp) macro AUROC.
  • Seed2.0-lite: +7,93 pp macro AUROC.
  • Qwen3.5-VL-27B: +3,52 pp macro AUROC.
  • Alle winsten zijn statistisch significant (95% betrouwbaarheid via gestratificeerde gepaarde bootstrap).
• Domeinoverschrijdende Generalisatie: De agent presteert significant beter dan gespecialiseerde, fijngetunede VLM's (bijv. AD-Copilot, IAD-R1) op domeinoverschrijdende taken. Waar fijngetunede modellen vaak instorten op niet-industriële domeinen (bijv. dalen tot bijna-willekeurig op remote sensing), behoudt AnomalyClaw robuuste prestaties zonder taakspecifieke training.
• Zelfevolutie: De OSR-uitbreiding levert een gemiddelde winst van +2,09 pp op Qwen3.5-VL-27B, vergelijkbaar met een baseline die 10 orakel-labels per domein gebruikt voor regellearning, maar bereikt met nul orakel-labels.
• Gedragsanalyse: Sterkere backbones (GPT-5.5) gebruiken meer redeneerbeurten en tools effectief. Het weerleggingstraject fungeert als een veiligheidsnet, wat specifieke domeinfaalmodi compenseert (bijv. het herstellen van prestaties op D11 GI-endoscopie waar de alleen-weerlegging ablatie faalde).

Betekenis en Claims

Het artikel claimt dat agentische weerlegging fundamenteel het anomalieverstaan en redeneervermogen van VLM's verbetert, in plaats van slechts tool-output te aggregeren.

• Trainingsvrije Aanpasbaarheid: Het systeem biedt een "klaar-voor-gebruik" oplossing voor elk nieuw domeinscenario zonder de kosten van het verzamelen van grootschalige anomalieannotaties of het hertrainen van modellen.
• Agent-natieve Verbetering: Het verbaliseerde zelfevolutiemechanisme toont aan dat agenten hun eigen regelboeken kunnen opbouwen vanuit interne onenigheid, een vermogen dat labelgebaseerde lussen niet kunnen repliceren in zero-shot settings.
• Complementaire Foutcorrectie: De fusie van een ruwe Directe scorer met een gedetailleerde weerleggingsagent creëert een robuust systeem waarbij de Directe tak catastrofale fouten voorkomt in domeinen waar de meerrondige agent zou kunnen oververfijnen of regresseren.

De auteurs positioneren AnomalyClaw niet alleen als een prestatieboost, maar als een paradigma-shift naar compositieve perceptie-agenten die kunnen transfereren over backbones, domeinen en taken zonder parameterupdates.