用于工业缺陷理解的大规模多模态数据集

本文通过发布一个大规模、多模态数据集（IMDD-1M），对工业缺陷检测领域做出了重大贡献。该数据集的规模、多样性（60多种材料类别，400多种缺陷类型）以及图像和文本的对齐，对于推进制造业中的多模态学习至关重要。基于该数据集从头开始训练的基于扩散的视觉语言基础模型，以及它能够用比专用模型少得多的特定任务数据实现可比的性能，突出了使用基础模型进行高效且可扩展的工业检测的潜力。这项工作解决了对领域自适应和知识驱动的制造智能的关键需求。

• •介绍了用于工业缺陷理解的大规模多模态数据集 IMDD-1M。
• •该数据集包含涵盖各种材料和缺陷类型的对齐图像-文本对。
• •在数据集上训练了基于扩散的视觉语言基础模型。
• •该模型展示了对专业领域的有效数据适应性，用比专用模型少得多的数据实现了可比的性能。