arXiv · 机器人与计算机视觉· Lars Heckler-Kram, Dorian Henning, Ashwin Vaidya, Jan-Hendrik Neudeck, Ulla Scheler, Anton Milan, Samet Akcay, Paula Ramos, Sebastian H\"ofer·· 2026-10-06AI 评分51
面向制造与零售物流的异常检测应用驱动基准(VAND 4.0 Challenge)
Detecting Defects that Matter: An Application-Driven Benchmark for Anomaly Detection in Manufacturing and Retail Logistics (VAND 4.0 Challenge)
AI 导读
作者发布了 VAND 4.0 Challenge 基准,涵盖工业制造(MVTec AD 2)和零售物流(Kaputt 2)两个赛道。结果显示,工业领域无监督分割最佳像素级 F1 仅约 57%,零样本方法落后约 15 个点;零售领域通用 VLM 比专用模型落后约 28 AP,且罕见缺陷检测性能严重受限。
来源:arXiv · 机器人与计算机视觉 · arxiv.org