ECCV 2026｜不训练缺陷样本，GLLS让工业大模型先取证、再判缺陷

文章链接标题Global Logic and Local Search: Dual-Stream Multimodal In-Context Learning for Verifiable Industrial Anomaly Detection作者Runzhi Deng, Yundi Hu, Yiming Zhong, Zhao Wang, Xixi Liu, Hongsong Wang, Caifeng Shan, Fang Zhao工业视觉系统真正难的不只是把缺陷框出来而是让每一次判定都经得起追问哪条检验标准没满足异常落在哪个零件现场为什么要相信模型传统AOI擅长分类、定位和分割但碰到缺件、错装、颜色顺序、部件数量、装配拓扑这类规则型问题往往还要额外堆规则。多模态大模型虽然能读图、读SOP却容易把反光、Logo、正常纹理当成缺陷整图压缩后裂纹、断齿、细小污渍又可能直接丢失。更现实的是冷启动。新产线导入时手里通常只有少量良品图、检验规范和工程图真实缺陷样本根本不够做微调。ECCV 2026提出的GLLS换了一条思路不让模型凭经验猜而是先按标准取证再根据证据下结论。全套《GLLS双流多模态工业缺陷检测论文拆解与后续可改进创新方向资料包》已整理完毕内含论文逐章拆解、PVLA构建流程、双流推理架构、核心公式说明、实验复现清单、工业视觉落地方案及后续创新选题方向。免费发给你。获得方式在这ECCV 2026不训练缺陷样本GLLS让工业大模型先取证、再判缺陷01 工业质检不是看图问答而是合规审计论文将工业多模态检测的典型失效归纳为四类•逻辑幻觉看见了零件却没真正核对数量、线序和位置关系•视觉偏置把商标、反光和工艺纹理误判为划痕、污渍•语义盲区能发现异常区域却说不准缺陷类型•分辨率受限全图缩放后微裂纹、断齿和小异物被抹掉。工业质检不是开放域识图而是对照Golden Sample、装配规范和缺陷定义逐项核查。模型能不能“看懂”不如能不能“查清”。展示逻辑幻觉、视觉偏置、语义盲区和分辨率限制四类典型失效以及GLLS的改进效果。02 先把SOP拆成机器可执行的检查项GLLS分为离线建库和在线核验两部分。离线侧构建零件感知视觉逻辑图谱PVLA把技术文档、产品类别和少量正常参考图拆成四类节点它们分别对应产品类别、物理部件、正常基准和候选缺陷。以线缆为例图谱会拆成线缆 → 外护套、线芯 → 正常颜色与排列 → 破皮、变形、线序错误。这不是普通向量库而是沿“产品—部件—标准—缺陷”逐层取数只把当前检查项需要的规则和参考图送进上下文减少无关信息干扰。03 一路查装配一路抠细节在线检测时GLLS同时启动两条链路。全局逻辑流查结构硬约束第一路利用SAM 3分割关键部件提取数量、形状、颜色顺序、空间关系和粗粒度几何信息再与PVLA逐项核对。它更适合发现缺件、错装、反装、线序错误和明显形变。输出也不是一句“疑似异常”而是一份中间检查报告哪个部件没找到、哪项几何关系不合格、哪条规则被触发。局部动作流找高分辨率证据第二路专门解决小缺陷看不清的问题。轻量异常定位器先生成热图MCTS再在固定预算内选择最值得放大的区域前两项负责平衡高风险区域和未探索区域提供异常热图先验。默认只保留3个高价值裁剪块不做全图暴力扫描。这更像现场复判员的动作先扫整件再放大可疑ROI。GLLS总体架构图片说明离线构建PVLA在线由全局逻辑流和局部动作流并行取证最终由VLM融合证据。04 从异常分数变成可回查的判定记录两条流最终汇入VLM验证器。模型同时拿到• 全局结构检查报告• MCTS筛出的局部高分辨率图块• 当前部件对应的文字标准• 正常参考图和易混缺陷定义。最终输出不再只是“有缺陷”而是缺陷类型—发生位置—违反规则—对应证据。论文中的拉链案例很典型。全局流先发现齿链宽度异常局部流再截取齿牙分离区域最终确认Split Teeth并排除断齿和布面破损。拉链开齿案例全局测量、局部裁剪和PVLA规范共同形成可追溯诊断链。05 小模型能不能上产线关键不只看参数量在MMAD-QA上GLLS搭配Qwen3-VL 8B、1-shot时MVTec平均准确率达到91.2%VisA达到84.7%。4B模型的提升更明显MVTec异常判别准确率由70.5%升至96.4%提高25.9个百分点。说明工业检测不一定要一味堆参数规则组织、局部取证和上下文质量同样决定上限。跨MPDD、DTD和DAGM测试中8B版本平均准确率达到91.01%。GLLS在MPDD、DTD和DAGM上的跨数据集准确率效率方面8B版本在3个证据块配置下总延迟约1.68秒MCTS搜索仅约0.08秒。真正的耗时大头仍是最终VLM推理。06 进产线之前还要补三块短板第一SAM 3一旦分错部件后面的数量、位置和几何检查都会跟着偏。柔性线缆、反光件和遮挡结构尤其容易出现误差传导。第二规则越严不代表效果越好。论文中部分骨干接入离线知识后VisA指标反而下降说明图谱质量、模型能力和局部证据必须匹配。第三跨域实验主要验证二分类准确率对像素级定位、尺寸测量、误报成本和连续节拍还缺少系统测试。所以GLLS不是现成的交钥匙方案。它真正值得借鉴的是把工业检测流程重新拆成标准结构化、全局规则核验、局部主动取证、最终证据裁决。对于AOI升级、多品种小批量和新产线导入这条路线可能比单纯换一个更大的视觉模型更接近现场需求。全套《GLLS双流多模态工业缺陷检测论文拆解与后续可改进创新方向资料包》已整理完毕内含论文逐章拆解、PVLA构建流程、双流推理架构、核心公式说明、实验复现清单、工业视觉落地方案及后续创新选题方向。免费发给你。获得方式在这ECCV 2026不训练缺陷样本GLLS让工业大模型先取证、再判缺陷