BAT多模态异常检测框架论文发布

2026年10月14日，arXiv Computer Vision 刊出论文《BAT：面向多模态异常检测的双向自适应 Transformer》，作者为 Yuxin Jiang、Yunkang Cao、Weiming Shen。论文提出双向自适应 Transformer（BAT）框架，通过双向特征对齐（BFA）模块以互预测机制连接 2D 纹理与 3D 几何结构，并借助轻量图像与点云 adapter 对预训练模型做参数高效微调，以缓解冻结编码器的信息损失。论文称在 MVTec 3D-AD 和 Eyecandies 数据集上，BAT 取得当前最优的异常检测性能，显著优于现有 MAD 方法。截至该报道，事件进展为论文发布及上述方法与实验结果公布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。