💻 computer science

Continual-MEGA: A Large-scale Benchmark for Generalizable Continual Anomaly Detection

本文介绍了 Continual-MEGA，这是一个用于通用持续异常检测的大规模基准测试，其特点是包含了一个多样化的数据集，其中包括全新的 ContinualAD、一种新颖的零样本泛化场景，以及一个在少样本检测和像素级定位方面均较现有方法有显著改进的统一基线算法。

原作者： Geonu Lee, Yujeong Oh, Geonhui Jang, Soyoung Lee, Jeonghyo Song, Sungmin Cha, YoungJoon Yoo

发布于 2026-02-09

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Geonu Lee, Yujeong Oh, Geonhui Jang, Soyoung Lee, Jeonghyo Song, Sungmin Cha, YoungJoon Yoo

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是某大型工厂的质量控制经理，这家工厂生产的东西五花八门，从牙膏管到玩具车应有尽有。你的工作是发现缺陷：汽车上的划痕、罐子上的凹痕或织物上的裂口。

在过去，你会为每种产品聘请一位专家。如果你开始生产牙膏，你会雇佣一名“牙膏专家”；如果你转向生产汽车，你会解雇牙膏专家并聘请一名“汽车专家”。这种方式既慢又贵，而且非常浪费。

这篇论文介绍了一种新的方法，旨在训练一个超级智能的 AI 助手，使其能够学习识别任何产品的缺陷，并且可以一个接一个地学习，而不会忘记之前检查过的产品。他们称之为 “Continual-MEGA”。

以下是使用简单类比对他们工作的详细解读：

1. 问题所在：“失忆症”工厂

现实世界的工厂并非静止不动。新产品每天都会到来。

旧方式： 如果每当有新产品到来时你都重新训练 AI，它往往会遭受“灾难性遗忘”。这就像一个学生努力学习数学考试，通过了，但一旦开始学习历史，立刻就忘了怎么做数学题。
新的挑战： 更糟糕的是，如果缺陷出现在 AI 从未见过的产品上（例如一种新型塑料瓶）怎么办？AI 需要足够聪明，能够根据直觉判断：“这看起来不对劲。”即使它从未见过这种特定的瓶子。这被称为 零样本学习 (Zero-Shot Learning)。

2. 解决方案：AI 的新“健身房” (Continual-MEGA)

为了测试 AI 是否真的能做到这一点，作者构建了一个庞大的新训练场，称为 Continual-MEGA。

旧的健身房： 之前的测试就像是只有几种器材的小型、安静的健身房（如 MVTec-AD 等数据集）。它们太简单了，无法反映真实工厂的混乱情况。
新的健身房 (Continual-MEGA)： 作者构建了一个巨大且混乱的健身房。他们结合了现有的数据集，并创建了一个全新的数据集，名为 ContinualAD。
- ContinualAD 的特别之处在于它规模宏大且杂乱无章。他们不是拍摄 10 个完全相同的苹果的完美照片，而是拍摄了在不同光照下、带有不同划痕、甚至有些轻微腐烂的苹果照片。这迫使 AI 去学习“坏苹果”的概念，而不是仅仅死记硬背一张特定的图片。

3. 测试：三种场景

他们让各种 AI 模型通过了三场不同的“障碍赛”：

马拉松 (标准持续学习)： AI 学习检查 85 种类型的产品，然后必须逐一学习 60 种新类型。它能在学习新产品时还记得最初的那 85 种吗？
盲测 (零样本学习)： 在学习完新产品后，展示给 AI 一种它在训练期间从未见过的产品（例如某种特定类型的医疗器械）。它仍然能发现缺陷吗？
压力测试： 他们移除了那个“杂乱”的新数据集 (ContinualAD)，以观察 AI 是否仍能进行泛化。大多数 AI 都失败了，这证明了杂乱、多样化的数据对于学习至关重要。

4. 优胜者： “瑞士军刀”式 AI

作者测试了许多现有的 AI 方法，大多数都表现挣扎。它们在处理简单任务时表现尚可，但当工厂变得繁忙且出现奇怪的新产品时，它们就会崩溃。

他们提出了自己的方法，称为 ADCT (跨持续任务的异常检测)。把这种方法想象成一把 瑞士军刀：

基础： 它使用了一个预训练的“大脑” (CLIP)，这个大脑已经具备了关于“正常”和“异常”的通用认知。
附件 (适配器/Adapters)： 与其为每个新产品都重建整个大脑，不如只需为每个新任务“卡入”一些微小、轻量级的附件（适配器）。
魔术技巧 (特征合成)： 由于我们并没有每种可能出现的缺陷的照片，AI 通过向图像特征添加“噪声”（随机静电）来想象缺陷可能长什么样。这就像一位厨师品尝汤的味道并说：“如果我加一点盐，它就会变成这样，”这样他们就不需要为了学习食谱而实际烹饪一千种不同的汤。

5. 结果

结论： 现有的方法像是只会死记硬背答案的学生；当测试内容改变时，它们就会失败。而这种使用“瑞士军刀”方法的 AI 则像是理解了学科原理的学生。
关键发现： 使用“瑞士军刀”方法（轻量级适配器 + 想象缺陷）的 AI 最为稳定。它不会忘记旧产品，并且在识别从未见过的产品缺陷方面表现得惊人地好。

总结

这篇论文的观点是：“我们构建了一个庞大的、真实的训练场，让 AI 学习如何在不忘记旧产品的情况下，学习如何识别新产品的工厂缺陷。我们发现目前的 AI 太过僵化，但一种结合了预训练大脑、微小灵活的插件以及一点‘想象力’的简单方法效果最好。”

重要提示： 作者严格将测试应用于工业对象（玩具、食物、电子产品、织物）。他们并未声称这适用于医疗诊断或人类监控，并强调其数据不包含任何个人信息。

技术摘要：Continual-MEGA：一个用于通用持续异常检测的大规模基准测试

问题陈述

异常检测（AD）对于多样化领域的质量控制至关重要，然而现有模型在动态的现实部署场景中表现挣扎。传统的做法通常假设静态、无监督或单类设置，无法适应随着新物体类别或缺陷类型出现而依次到达的任务。由于数据保留政策和隐私法规，为每个新任务从头开始重新训练模型在计算上是昂贵的，且往往是不可行的。此外，异常样本的极端稀缺性使得重新收集历史缺陷模式变得困难，从而导致灾难性遗忘。

虽然最近在持续学习（CL）和零样本学习（ZSL）方面的进展提供了潜在的解决方案，但现有的评估基准（如 MVTec-AD, VisA）在规模和多样性方面都存在局限性。它们无法充分测试模型在经过持续适配后对未见类别的泛化能力（即持续零样本学习，或 CZSL），也无法处理现实工业环境中存在的高方差问题。目前缺乏能够整合多样化公开数据集与新的、高方差数据，以严格评估异常检测系统泛化性和适应性的大规模基准测试。

方法论

Continual-MEGA 基准测试

作者引入了 Continual-MEGA，这是一个旨在评估异常检测中持续学习和零样本能力的规模化基准测试。它整合了七个现有的公开数据集（MVTec-AD, VisA, Real-IAD, VIADUCT, BTAD, MPDD）以及一个新策划的数据集 ContinualAD。

ContinualAD 数据集：

规模与多样性： 包含 30 个类别，共计 14,655 张正常图像和 15,827 张异常图像。
高方差： 与以往类内图像视觉相似度高的数据集不同，ContinualAD 表现出显著更高的像素级方差。这是通过使用 10 种不同的设备（从智能手机到平板电脑）在多样化条件下捕捉物体，并诱发各种缺陷类型（裂纹、孔洞、腐烂、划痕等）来实现的。
标注： 异常区域使用多边形掩码进行像素级标注。

评估场景：
该基准定义了三个不同的场景，以测试模型性能的不同方面：

场景 1（标准 CL）： 在 85 个基础类上进行预训练，随后通过增量方式（每次增加 5、10 或 30 个类）进行持续学习。
场景 2 (CZSL)： 在 58 个基础类（排除 MVTec-AD 和 VisA）上进行预训练，随后在 60 个新类上进行持续学习。随后在留出的 MVTec-AD 和 VisA 数据集上评估零样本泛化能力。
场景 3 (ContinualAD 有效性)： 与场景 2 类似，但将 ContinualAD 数据集从训练流中排除，以专门衡量该新数据集对零样本泛化能力的影响。

指标：
性能通过基于图像级 AUROC 和像素级平均精度（AP）的平均准确率（ACC）以及用于量化先前任务性能退化的遗忘度量（FM）来衡量。

提议的基准方法：ADCT

为了应对该基准，作者提出了 跨持续任务的异常检测 (ADCT)，这是一种基于 CLIP（对比语言-图像预训练）框架构建的基准方法。其核心组件包括：

混合专家 (MoE) 适配器： 在 CLIP 视觉编码器的四个特定模块中插入轻量级 MLP 适配器。为每个任务（及基础集）分别训练独立的适配器。在推理期间，使用所有适配器的平均值 ( $A_{avg}$ ) 来保持跨任务的知识。
合成特征生成： 为了克服数据稀缺并提高像素级定位能力，该方法通过在通过适配器之前的视觉特征中添加高斯噪声来生成合成异常特征。这使得模型能够在不需要大量真实异常数据的情况下学习多样化的异常模式。
文本提示词： 使用广义文本提示词提取正常状态和异常状态的文本特征，以促进零样本能力。

核心贡献

Continual-MEGA 基准测试： 引入了一个全新的大规模基准测试，该基准结合了现有的公开数据集与具有高方差的 ContinualAD 数据集，显著扩大了用于持续异常检测研究的数据量和多样性。
全面评估： 对各种最先进的 AD 方法（包括基于 VLM 的、持续学习特定的以及仅含正常样本的方法）进行的广泛评估表明，在像素级缺陷定位和对未见类的泛化能力方面，仍有巨大的提升空间。
ADCT 基准方法： 提出了一个简单且有效的基准方法 ADCT，它结合了轻量级 MoE 风格的适配器与特征合成。该方法证明，对预训练 CLIP 进行极小程度的适配，而非大规模微调，即可在持续和零样本设置下获得稳健的性能。

结果

在 Continual-MEGA 基准上的广泛实验得出了三个主要发现：

现有方法的局限性： 当前的 AD 方法在所提出的规模化持续设置下进行评估时，尤其是在像素级定位方面，表现出显著的性能下降。在标准基准（如 MVTec-AD）上表现良好的方法，往往无法在 Continual-MEGA 的多样化条件下实现泛化。
ContinualAD 的有效性： 将 ContinualAD 数据集纳入训练流（场景 2 vs. 场景 3）显著提高了大多数方法的零样本泛化性能。反之，排除该数据集会导致泛化能力明显下降，凸显了其在训练稳健模型方面的价值。
ADCT 的优越性： 提出的 ADCT 基准在所有场景下均取得了优于其他方法的整体性能。它在保持高准确率的同时，最大限度地减少了遗忘（低 FM）。消融实验证实，结合适配器、合成特征生成和混合专家推理方案对于平衡稳定性与塑性至关重要。具体而言，合成特征被证明对像素级性能至关重要，而 MoE 适配器策略则是减少灾难性遗忘的关键。

意义与主张

论文认为，Continual-MEGA 通过解决静态基准评估与工业部署动态现实之间的差距，为异常检测领域确立了新的议程。作者声称，他们的工作强调了模型在能够增量适应新任务的同时，还能泛化到完全未见类别的实际必要性（即 CZSL）。

所提议基准方法（ADCT）的意义在于，它证明了轻量级适配结合特征合成是设计通用持续框架的一个有前景的方向。结果表明，对 CLIP 等预训练模型进行过度适配或过强的引导可能会导致对先前观察到的物体的过拟合，而一种在合成多样化异常特征的同时保留预训练知识的策略，则能提供更稳定且更具泛化性的解决方案。

作者总结道，他们的工作通过减少在动态环境中重新训练深度学习模型相关的计算成本和碳足迹，为制造业的可持续性和可复现性做出了贡献，且不会引入与个人数据或监控相关的伦理风险。