CORE: Contrast-and-Reflect for Self-Supervised Prompt Optimization in Anomaly Synthesis

📄 arXiv: 2610.19610v1 📥 PDF

作者: Haoxiang Rao, Fang Zhao, Zhao Wang, Weijia Li, Chenyang Si, Caifeng Shan

分类: cs.CV

发布日期: 2026-10-14

备注: 9 pages, 4 figures

💡 一句话要点

提出CORE框架以解决工业异常检测样本稀缺问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 异常检测 多模态模型 自监督学习 异常合成 工业应用 深度学习

📋 核心要点

  1. 现有的异常检测方法依赖于稀缺的真实异常样本或辅助数据，缺乏有效的推理与优化能力。
  2. CORE框架通过引入异常上下文定位模块和自监督机制，实现了高效的异常合成，支持零-shot和一-shot设置。
  3. 在MVTec-AD和VisA数据集上的实验结果显示，CORE合成的异常在多样性和真实感上均优于现有方法，显著提升了检测性能。

📝 摘要（中文）

工业异常检测（AD）受到异常样本稀缺的制约，因此高保真异常合成对于提升下游性能至关重要。然而，现有方法要么依赖稀缺的真实异常参考或辅助数据，要么缺乏复杂推理和迭代优化能力。为了解决这些挑战，本文提出了CORE，一个基于大型多模态模型（LMMs）的成本高效且无需训练的提示优化框架，统一了零-shot和一-shot异常合成。CORE首先引入异常上下文定位模块，将稀疏的用户上下文转化为缺陷感知生成上下文，随后实例化为结构化异常提示，从而实现正常区域保留与异常特定变异的解耦，支持可控且真实的缺陷生成。此外，CORE通过自监督的对比与反思机制自主优化提示，使得通用LMMs能够在零-shot和一-shot设置下合成真实的异常。大量在MVTec-AD和VisA上的实验表明，CORE合成了真实且多样的异常，显著提升了下游AD性能。

🔬 方法详解

问题定义：本文旨在解决工业异常检测中异常样本稀缺的问题。现有方法往往依赖于有限的真实异常样本或辅助数据，缺乏复杂的推理和迭代优化能力，导致生成的缺陷不够真实。

核心思路：CORE框架通过引入异常上下文定位模块，将用户提供的稀疏上下文转化为缺陷感知的生成上下文，从而生成结构化的异常提示。这种设计使得正常区域的保留与异常特定变异得以解耦，支持可控的缺陷生成。

技术框架：CORE的整体架构包括异常上下文定位模块和自监督的对比与反思机制。前者负责生成缺陷提示，后者则用于优化提示，确保生成的异常具有真实感和多样性。

关键创新：CORE的主要创新在于其自监督的对比与反思机制，使得通用的LMMs能够在没有任务特定训练的情况下合成真实的异常。这一机制与现有方法的依赖于真实样本的方式形成了本质区别。

关键设计：CORE的设计中，异常上下文定位模块通过结构化提示实现正常区域与异常变异的解耦。此外，损失函数的设计考虑了生成异常的真实感和多样性，确保合成结果的有效性。实验中未具体提及的参数设置和网络结构细节为未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在MVTec-AD和VisA数据集上的实验结果表明，CORE合成的异常在真实感和多样性上均优于现有方法，显著提升了下游异常检测性能，具体提升幅度为未知。

🎯 应用场景

CORE框架在工业异常检测领域具有广泛的应用潜力，能够有效合成高保真的异常样本，提升检测系统的性能。其模型无关性和即插即用的特性使得该框架能够轻松集成到不同的多模态模型中，适应未见的开放集场景，具有良好的实际价值和未来影响。

📄 摘要（原文）

Industrial anomaly detection (AD) is bottlenecked by the scarcity of anomalous samples, making high-fidelity anomaly synthesis crucial for improving downstream performance. However, existing methods either rely on scarce real anomaly references or auxiliary data, while lacking complex reasoning and iterative optimization capabilities for generating realistic defects in open-set scenarios. To address these challenges, we propose CORE, a cost-efficient and training-free prompt optimization framework based on Large Multimodal Models (LMMs), which unifies zero-shot and one-shot anomaly synthesis. CORE first introduces an Anomaly Context Grounding module to transform sparse user context into defect-aware generation context, which is subsequently instantiated as structured anomaly prompts that disentangle normal-region preservation from anomaly-specific variation, enabling controllable and faithful defect generation. Furthermore, CORE autonomously refines prompts through a self-supervised contrast-and-reflect mechanism. This design empowers general-purpose LMMs to synthesize realistic anomalies under both zero-shot and one-shot settings without task-specific training. Extensive experiments on MVTec-AD and VisA demonstrate that CORE synthesizes realistic and diverse anomalies, yielding superior improvements in downstream AD performance. Furthermore, its model-agnostic and plug-and-play paradigm enables effortless integration with diverse LMMs, facilitating adaptation to unseen open-set scenarios.