近日，國際人工智能頂尖會議The 39th Annual AAAI Conference on Artificial Intelligence (AAAI 2025) 論文錄用結(jié)果揭曉，由清華大學(xué)及凌云光知識理性研究院合作的論文《通過自感知調(diào)優(yōu)的SAM可調(diào)異常分割》（Promptable Anomaly Segmentation with SAM Through Self-Perception Tuning）成功入選，團(tuán)隊創(chuàng)新性地提出自感知調(diào)優(yōu)方法，在少量異常樣本下實現(xiàn)高效精準(zhǔn)的異常分割，在鋰電、3C電子等行業(yè)具有廣泛應(yīng)用潛力。

AAAI是由國際人工智能促進(jìn)協(xié)會主辦的年會，是人工智能領(lǐng)域中歷史最悠久、涵蓋內(nèi)容最廣泛的國際頂級學(xué)術(shù)會議之一，也是中國計算機學(xué)會（CCF）推薦的A類國際學(xué)術(shù)會議。AAAI 2025競爭異常激烈，這次會議共收到破紀(jì)錄的12,957篇有效投稿，最終僅錄用了 3,032篇論文，錄用率為 23.4%。

本次入選論文聚焦于使用Segment Anything Model（SAM）進(jìn)行異常分割。SAM在分割任務(wù)中展現(xiàn)了強大的泛化能力，尤其是在自然圖像處理領(lǐng)域取得了顯著的進(jìn)步，但在工業(yè)場景中的應(yīng)用卻面臨著一系列挑戰(zhàn)，如領(lǐng)域偏移（工業(yè)圖像與自然圖像差異大，導(dǎo)致現(xiàn)有模型無法準(zhǔn)確適應(yīng)工業(yè)場景）、樣本稀缺（異常樣本數(shù)量有限，訓(xùn)練數(shù)據(jù)不足）、標(biāo)注困難和成本高（工業(yè)異常樣本難以標(biāo)注且需要大量專家參與），導(dǎo)致現(xiàn)有的缺陷檢測算法在實際應(yīng)用中難以提供準(zhǔn)確和高效的解決方案。

研究團(tuán)隊提出了自感知調(diào)優(yōu)（Self-Perception Tuning, SPT）方法，通過粗略的初步識別和精細(xì)修正相結(jié)合的過程，并增強了模型對異常區(qū)域間關(guān)系的感知，提高了SAM在面對領(lǐng)域偏移時的適應(yīng)性。同時，SPT減少了對大量人工標(biāo)注數(shù)據(jù)的需求，進(jìn)而降低了成本。實驗結(jié)果顯示，SPT方法在多個公開工業(yè)數(shù)據(jù)集上表現(xiàn)出色，成功克服了工業(yè)場景中的多重挑戰(zhàn)，顯著提升了在少樣本情況下的異常分割精度。

自感知調(diào)優(yōu)（SPT）方法框架概述

凌云光深耕“視覺+AI”技術(shù)，早在2008年便推出了自研底層算法平臺VisionWARE，性能與全球領(lǐng)先企業(yè)對標(biāo)。在2022年建立了面向工業(yè)領(lǐng)域的通用大模型F.Brain，并廣泛應(yīng)用于3C、新能源、立體視覺、印刷、新型顯示等多個行業(yè)，助力頭部客戶解決難題。本論文是基于凌云光LVM視覺大模型在缺陷檢測領(lǐng)域的最新探索，在缺陷檢測領(lǐng)域應(yīng)用并發(fā)揮LVM大模型強大的泛化能力，提升工業(yè)缺陷分割的性能。
隨著人工智能等技術(shù)的飛速發(fā)展，產(chǎn)業(yè)界與學(xué)術(shù)界的深度合作正變得愈發(fā)重要。凌云光一直致力于推動科技與產(chǎn)業(yè)的融合，未來將繼續(xù)深化產(chǎn)學(xué)合作，圍繞視覺AI、智能制造、工業(yè)互聯(lián)網(wǎng)等領(lǐng)域深耕細(xì)作，將前沿的科研成果轉(zhuǎn)化為切實可行的解決方案。