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

AAAI是由國際人工智能促進(jìn)協(xié)會(huì )主辦的年會(huì )，是人工智能領(lǐng)域中歷史最悠久、涵蓋內容最廣泛的國際頂級學(xué)術(shù)會(huì )議之一，也是中國計算機學(xué)會(huì )（CCF）推薦的A類(lèi)國際學(xué)術(shù)會(huì )議。AAAI 2025競爭異常激烈，這次會(huì )議共收到破紀錄的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(zhù)的進(jìn)步，但在工業(yè)場(chǎng)景中的應用卻面臨著(zhù)一系列挑戰，如領(lǐng)域偏移（工業(yè)圖像與自然圖像差異大，導致現有模型無(wú)法準確適應工業(yè)場(chǎng)景）、樣本稀缺（異常樣本數量有限，訓練數據不足）、標注困難和成本高（工業(yè)異常樣本難以標注且需要大量專(zhuān)家參與），導致現有的缺陷檢測算法在實(shí)際應用中難以提供準確和高效的解決方案。

研究團隊提出了自感知調優(yōu)（Self-Perception Tuning, SPT）方法，通過(guò)粗略的初步識別和精細修正相結合的過(guò)程，并增強了模型對異常區域間關(guān)系的感知，提高了SAM在面對領(lǐng)域偏移時(shí)的適應性。同時(shí)，SPT減少了對大量人工標注數據的需求，進(jìn)而降低了成本。實(shí)驗結果顯示，SPT方法在多個(gè)公開(kāi)工業(yè)數據集上表現出色，成功克服了工業(yè)場(chǎng)景中的多重挑戰，顯著(zhù)提升了在少樣本情況下的異常分割精度。

自感知調優(yōu)（SPT）方法框架概述

凌云光深耕“視覺(jué)+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。在2022年建立了面向工業(yè)領(lǐng)域的通用大模型F.Brain，并廣泛應用于3C、新能源、立體視覺(jué)、印刷、新型顯示等多個(gè)行業(yè)，助力頭部客戶(hù)解決難題。本論文是基于凌云光LVM視覺(jué)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(zhù)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(dòng)科技與產(chǎn)業(yè)的融合，未來(lái)將繼續深化產(chǎn)學(xué)合作，圍繞視覺(jué)AI、智能制造、工業(yè)互聯(lián)網(wǎng)等領(lǐng)域深耕細作，將前沿的科研成果轉化為切實(shí)可行的解決方案。