论文解读与源码复现LASB薛定谔桥驱动的统一无监督异常检测CVPR 2025论文首页题目与摘要截图一、前言工业质检与医学影像里的异常检测主流是无监督重构式范式只用正常样本训练推理时把异常图修回正常图差异图即异常热图。扩散模型进场的姿势各有问题——DDPM/LDM 从纯高斯噪声出发重构结构信息在噪声里丢失定位精度差DiAD 要额外挂一个语义引导网络DiffAD 要配判别子网络。辅助网络成了扩散异常检测的标配也成了它的包袱。IIT Hyderabad 与 KLA 的这篇 CVPR 2025 论文提出的 LASBLatent Anomaly Schrödinger Bridge走了一条理论驱动的捷径用薛定谔桥Schrödinger Bridge直接学异常分布 → 正常分布的最优传输桥——不像高斯扩散把数据打成噪声再重建而是让异常图沿桥平滑变形为正常图结构信息全程保留。整个模型只有一个去噪网络跑在 VQ-VAE 潜空间里无任何辅助网络MVTec-AD 上 AUROC 99.14 / AP_seg 78.2 双 SOTA多类统一设定。二、方法解析2.1 从 SGM 到薛定谔桥终点不再是高斯Score-based 生成模型SGM的backward SDE 依赖 score 函数从高斯先验重建任意分布——但它的终点被锁死在 $\mathcal{N}(0,I)$。薛定谔桥SB把问题改写成在固定两端边际$t0$ 时 $p_A$ 异常分布、$t1$ 时 $p_B$ 正常分布的所有路径测度中找与参考测度 KL 距离最小的那个论文式 3。SB 的最优解由一对 PDE 的解 $\Psi, \widehat\Psi$ 刻画forward/backward drift 变成非线性的 $\nabla\log\Psi$ / $\nabla\log\widehat\Psi$论文式 6–7。Linear-SB 可解化直接解 PDE 不可行。作者的推导利用 Nelson 对偶与 Fokker-Planck 方程表明非线性 drift 恰是边界条件不同的两个线性 SDE的 score论文式 8–9。再引入Dirac delta 边界条件$\widehat\Psi(\cdot,0)\delta_\kappa(\cdot)$——backward drift 永远指向一个具体样本 $\kappa$与终端分布 $p_B$ 无关。于是每个训练实例只需计算条件 score $\nabla\log p(X_t|X_0\kappa)$完全落入标准 SGM 训练框架。2.2 LASB潜空间中的异常→正常桥流程论文 Figure 2 / Algorithm 1–2VQ-VAE 感知压缩$E_{VQ}/D_{VQ}$ 从 Stable Diffusion 权重初始化、KL 目标微调把 256×256 图编码为 64×64×3 潜码训完冻结。异常增广对正常训练图施加 DRAEM 式异常增广随机 mask 噪声纹理让模型见过各种异常长什么样。训练 Linear-SB在潜空间中forward 过程从增广异常潜码 $z_0$Dirac 边界走向正常潜码分布给定边界对 $(z_0, z_1)$ 的桥后验是解析的论文式 11$$q(z_t|z_0,z_1) \mathcal{N}\left(z_t;\ \mu_t \frac{\bar\sigma_t^2}{\bar\sigma_t^2\sigma_t^2}z_0 \frac{\sigma_t^2}{\bar\sigma_t^2\sigma_t^2}z_1,\ \Sigma_t \frac{\bar\sigma_t^2\sigma_t^2}{\bar\sigma_t^2\sigma_t^2}I\right)$$训练目标论文式 12$$\mathcal{L}{LASB} \left|\epsilon\theta(z_t, t) - \frac{z_t - z_0}{\sigma_t^{(z)}}\right|$$半退化策略不同于高斯扩散逐级加噪摧毁结构LASB 的 forward 是 $z_0 \to z_1$ 的插值桥结构信息全程保留——这就是平滑异常→正常变换的数学来源论文 Figure 1 对比了两者轨迹。推理Algorithm 2异常测试图编码为 $z_N$DDPM 式采样走 backward SDE 到 $z_0$解码得到修复后的正常图原图与重构图过 ImageNet 预训练网络提多尺度特征、算差异定位异常与 DiAD 同款差异块但无引导网络。图片源自论文 Figure 2LASB 两阶段框架。训练时对正常图做异常增广、学习滤除增广异常推理时输入真实异常图重构正常版本差异块输出检测与定位热图。三、数据集与实验设置MVTec-AD15 类10 物体 5 纹理5,354 张高清图3,629 正常训练 / 1,725 测试含异常。VisA12 类、10,821 张图9,621 正常 1,200 异常78 种异常复杂结构/多实例/单实例三种类型。指标AUROC / AP / F1maxcls图像级检测与 seg像素级定位两套。实现256×256 输入VQ-VAE 潜码 64×64×3去噪网络为 DDPM 式 U-Net推理只输入异常图。对比class-basedSimpleNet/PatchCore/DiffAD/DDAD/TransFusion 等与 unified 多类UniAD/DiAD/MambaAD/HVQ-Trans/GLAD 等分组比较。四、关键实验结果1. MVTec-AD 类级设定逼近满分Table 1 上半AUROC_cls/AP_cls99.66/99.15仅次于 DDAD 的 99.84VisA 上 **98.52/99.06 反超 DDAD98.9**的 AP 口径——复杂多类场景下桥式变换更稳。2. 统一多类设定全面 SOTATable 1 下半方法MVTec AUROC_cls/AUROC_segVisA AUROC_cls/AUROC_segUniAD (NeurIPS22)96.52 / –85.5 / 95.9DiAD (AAAI24)97.15 / –86.75 / 96.0MambaAD (NeurIPS24)98.6 / 97.794.3 / 98.5LASB99.14 / 98.6694.2 / 98.183. 扩散系内部对比定位指标碾压Table 2MVTec。相对次优模型AUROC_seg0.6%、AP_seg17.4%78.2 vs 60.8GLAD、F1max_seg10.0%、F1max_cls 2.0%。定位类指标的大幅领先正是结构保留的直接回报——从纯噪声重构的模型连物体的边界都对不齐。方法AUROC_clsAP_clsF1max_clsAUROC_segAP_segF1max_segDDPM71.981.686.675.613.319.5LDM76.687.688.185.127.631.0DiAD97.299.096.596.852.655.5GLAD97.599.196.697.460.860.7LASB99.299.398.598.678.270.74. VisA 多类Table 3AUROC_seg 98.2 / AP_seg 46.4 / F1max_seg 52.6相对次优DiAD 96.0/26.1/33.0大幅领先。5. 效率NFE10 即收敛Table 4。桥的两端固定采样不需要 1000 步NFE125101001000MVTec AUROC_cls/seg97.42/96.8298.16/97.8498.94/98.1699.14/98.66同同V100 推理耗时 (s)0.120.250.520.741.51510 步0.74 秒即达 1000 步的精度——比标准扩散检测器的实用性好一个量级且 Figure 3 显示 LASB 的训练时间/显存/采样时间在 DDPM/SGM/SBIPF各档分辨率下均为最低完整 SB 的 IPF 训练最贵。五、机制解释与讨论为什么桥式变换比重构更利于定位异常检测的本质需求是把异常区域替换掉、把正常区域原样保留。高斯扩散的 forward 把两者都抹成噪声backward 重构时正常区域也要重新猜出来——像素级对齐靠运气。薛定谔桥的 forward 是异常→正常的条件插值结构信息物体轮廓、纹理走向天然保留在轨迹上模型只需替换异常统计对应的分量。差异图的底噪因此小得多——这解释了 AP_seg 上 17.4% 的悬殊差距。具体发现 → 凝练结论具体发现一Dirac 边界让训练退化为标准 score matching —— 结论SB 的理论优雅性不必以训练复杂度为代价关键在于边界条件的选取锚定单个样本而非分布具体发现二NFE10 后所有指标饱和 —— 结论桥的终点固定采样路径长度天然短于从噪声长出图像具体发现三VisA 上反超 class-based 的 DDAD —— 结论桥式结构保留在类别混杂统一模型场景下的优势更大因为模型必须同时应付 12 类物体的结构。六、局限与工程启示局限依赖 DRAEM 式异常增广来教会模型异常的统计外观——增广与真实异常的分布差距仍是隐忧与 DRAEM 同源的问题VQ-VAE 的重构上限构成系统天花板官方仓库当前仅有 README 占位代码尚未实际放出截至本文撰写。工程启示边界条件工程是扩散模型改造的通用杠杆换掉高斯先验、锚定具体样本就能把生成模型改造成分布间传输工具——同样的思路可用于图像修复、风格迁移、域转换潜空间 半退化插值的组合让扩散检测器第一次有了10 步推理的实用延迟对质检场景统一模型省掉每类一模型的部署成本94 的 VisA AUROC 说明跨类泛化已可用评测建议扩散系异常检测必须报 AP_seg/F1max_seg——AUROC 在高度不平衡的像素级任务上会掩盖巨大差距Table 2 里 AUROC 差 1.2% 而 AP 差 17.4%。七、源码复现官方仓库https://github.com/ShilhoraAkshayPatel/LASB ——截至本文撰写仓库仅有 README 占位标题与论文一致无代码文件。本地目录复现代码/2552-LASB/仅 LICENSE README。⚠️ 复现路径/未运行论文源码尚未实际放出以下为基于论文方法描述整理的参考实现与预期复现路径非官方代码、非实际运行结果。参考实现依据论文式 (11)(12) 与 Algorithm 1/2 整理# 参考实现Linear-SB 桥训练与采样依据论文描述整理非官方代码 import torch, torch.nn as nn, torch.nn.functional as F def bridge_posterior(z0, z1, t, beta): 论文式(11)给定边界对 (z0, z1) 的桥后验解析形式。 σ_t² ∫₀ᵗ β, σ̄_t² ∫ₜ¹ β累计方差。 s2 beta[:t].sum() # σ_t² s2bar beta[t:].sum() # σ̄_t² mu (s2bar / (s2bar s2)) * z0 (s2 / (s2bar s2)) * z1 var (s2bar * s2 / (s2bar s2)) return mu, var def lasb_loss(net, z0_anom, z1_norm, beta): 论文式(12) Algorithm 1从桥后验采样 z_t 网络预测 score目标为 (z_t - z0)/σ_t。 t torch.randint(1, len(beta), (z0_anom.size(0),), devicez0_anom.device) mu, var bridge_posterior(z0_anom, z1_norm, t, beta) z_t mu var.sqrt() * torch.randn_like(mu) target (z_t - z0_anom) / beta[:t.max()].cumsum(0)[t - 1].sqrt().view(-1, 1, 1, 1) return F.mse_loss(net(z_t, t), target) torch.no_grad() def lasb_sample(net, z_N, beta, steps10): Algorithm 2DDPM 式采样仅需 10 步 NFE。 idx torch.linspace(len(beta) - 1, 0, steps).long() z z_N for n in idx: eps net(z, n.view(1)) z0_pred z - beta[:n 1].sum().sqrt() * eps # 预测 z0 # p(z_{n-1} | z0_pred, z_n)桥后验一步回退 mu, var bridge_posterior(z0_pred, z, max(n - 1, 0), beta) z mu var.sqrt() * torch.randn_like(mu) if n 0 else z0_pred return z预期复现路径VQ-VAE从 Stable Diffusion 的 VQ 权重初始化在 MVTec/VisA 训练集正常 DRAEM 异常增广图上 KL 微调至收敛后冻结潜码 64×64×3。异常增广按 DRAEM 的 Perlin 噪声 外部纹理DTD管线生成增广对正常图 → 异常图 mask。训练 Linear-SBU-Net 去噪网络DDPM 架构在潜空间用上面的桥损失训练边界对为增广异常潜码正常潜码。推理与差异块测试异常图 → 潜码 → 10 步桥采样 → 解码正常图原图与重构图过 ImageNet 预训练 backbone 提多尺度特征、算差异图与 DiAD 实现对齐。评测AUROC/AP/F1maxcls seg对照 Table 1–3扫描 NFE ∈ {1,2,5,10,100,1000} 复现 Table 4 的饱和曲线。消融方向pixel 空间 vs 潜空间、DDPM vs Linear-SB 损失、半退化插值 vs 逐级加噪验证结构保留假设。7.4 复现时区分桥过程、重构器与异常评分器LASB 的推理链包含潜变量编码、桥式采样、解码以及特征差异评分。复现时若只比较最终 AUROC很难判断结果差异来自哪一环。建议分别检查 VQ-VAE 的正常图重构质量、桥采样后的图像结构保留程度以及差异图对异常区域的响应。尤其是潜空间编码器若抹掉了细小缺陷后续桥模型即使训练稳定也无法恢复被压缩丢失的信息反过来解码器产生的正常纹理差异也可能在热图里形成误报。桥的边界样本配对也影响训练信号。正常图与合成异常图需要在场景结构上对应使模型能够学习在保持背景布局的同时消除异常。若异常增广改变了大面积背景模型可能学成整体重绘器而非局部异常修复器。复现报告应注明异常纹理来源、mask 生成方式及异常覆盖比例并展示不同类别的定性案例。DRAEM 式增广是论文训练方案的一部分但其合成分布与真实缺陷的差距仍然是重要限制。7.5 指标、采样步数与部署含义异常检测中的图像级 AUROC 与像素级 AP/ F1max 衡量对象不同。像素级异常区域通常只占整张图很小比例AUROC 可能在大量正常像素上看起来很高却掩盖异常区域边界不准的问题因此需要同时看 AP_seg 和 F1max_seg并查看热图的空间定位。不同工作若使用不同特征骨干、阈值选择或插值方式像素指标也可能不可直接横向比较。论文显示 NFE 增加到 10 后指标趋于饱和说明其特定数据与模型设置下可减少采样步数部署前仍需在目标硬件和目标分辨率下测延迟、显存与吞吐。桥式模型并非完全无采样成本也不意味着任何异常类型都能在 10 步获得同等精度。对高价值缺陷可采用较多步数或对不确定样本触发二阶段检查对实时质检则应先验证低步数下漏检率是否仍满足业务要求。八、总结LASB 把薛定谔桥从最优传输理论搬进了异常检测的实战用 Dirac 边界条件把理论上昂贵的 SB 训练化归为标准 score matching在 VQ-VAE 潜空间学一条异常→正常的结构保持桥——省掉所有辅助网络换来 MVTec 多类设定 99.14/98.66 的双 SOTA 和 AP_seg 上 17.4% 的领先外加10 步采样即饱和的部署级效率。对被扩散异常检测的推理成本和定位精度同时折磨的团队这是一条理论清晰、工程友好的新路线。延伸阅读建议薛定谔桥与 IPFDe Bortoli et al.、Shi et al.、DRAEM异常增广源头、DiAD潜空间扩散检测对照、DDAD/GLAD/TransFusion扩散系 SOTA、UniAD/MambaAD非扩散统一模型、VQ-VAE 与 Stable Diffusion 的潜空间设计。九、引用信息论文引用Shilhora Akshay, Niveditha Lakshmi Narasimhan, Jacob George, Vineeth N Balasubramanian. A Unified Latent Schrödinger Bridge Diffusion Model for Unsupervised Anomaly Detection and Localization. CVPR, 2025.论文 PDFhttps://openaccess.thecvf.com/content/CVPR2025/papers/Akshay_A_Unified_Latent_Schrodinger_Bridge_Diffusion_Model_for_Unsupervised_Anomaly_CVPR_2025_paper.pdf官方仓库https://github.com/ShilhoraAkshayPatel/LASB 截至撰写为占位仓库代码未放出 
长河君 · 2026/10/20 8:56:29 · 阅读 1.2k 论文解读与源码复现｜LASB：薛定谔桥驱动的统一无监督异常检测（CVPR 2025）
论文解读与源码复现LASB薛定谔桥驱动的统一无监督异常检测CVPR 2025论文首页题目与摘要截图一、前言工业质检与医学影像里的异常检测主流是无监督重构式范式只用正常样本训练推理时把异常图修回正常图差异图即异常热图。扩散模型进场的姿势各有问题——DDPM/LDM 从纯高斯噪声出发重构结构信息在噪声里丢失定位精度差DiAD 要额外挂一个语义引导网络DiffAD 要配判别子网络。辅助网络成了扩散异常检测的标配也成了它的包袱。IIT Hyderabad 与 KLA 的这篇 CVPR 2025 论文提出的 LASBLatent Anomaly Schrödinger Bridge走了一条理论驱动的捷径用薛定谔桥Schrödinger Bridge直接学异常分布 → 正常分布的最优传输桥——不像高斯扩散把数据打成噪声再重建而是让异常图沿桥平滑变形为正常图结构信息全程保留。整个模型只有一个去噪网络跑在 VQ-VAE 潜空间里无任何辅助网络MVTec-AD 上 AUROC 99.14 / AP_seg 78.2 双 SOTA多类统一设定。二、方法解析2.1 从 SGM 到薛定谔桥终点不再是高斯Score-based 生成模型SGM的backward SDE 依赖 score 函数从高斯先验重建任意分布——但它的终点被锁死在 $\mathcal{N}(0,I)$。薛定谔桥SB把问题改写成在固定两端边际$t0$ 时 $p_A$ 异常分布、$t1$ 时 $p_B$ 正常分布的所有路径测度中找与参考测度 KL 距离最小的那个论文式 3。SB 的最优解由一对 PDE 的解 $\Psi, \widehat\Psi$ 刻画forward/backward drift 变成非线性的 $\nabla\log\Psi$ / $\nabla\log\widehat\Psi$论文式 6–7。Linear-SB 可解化直接解 PDE 不可行。作者的推导利用 Nelson 对偶与 Fokker-Planck 方程表明非线性 drift 恰是边界条件不同的两个线性 SDE的 score论文式 8–9。再引入Dirac delta 边界条件$\widehat\Psi(\cdot,0)\delta_\kappa(\cdot)$——backward drift 永远指向一个具体样本 $\kappa$与终端分布 $p_B$ 无关。于是每个训练实例只需计算条件 score $\nabla\log p(X_t|X_0\kappa)$完全落入标准 SGM 训练框架。2.2 LASB潜空间中的异常→正常桥流程论文 Figure 2 / Algorithm 1–2VQ-VAE 感知压缩$E_{VQ}/D_{VQ}$ 从 Stable Diffusion 权重初始化、KL 目标微调把 256×256 图编码为 64×64×3 潜码训完冻结。异常增广对正常训练图施加 DRAEM 式异常增广随机 mask 噪声纹理让模型见过各种异常长什么样。训练 Linear-SB在潜空间中forward 过程从增广异常潜码 $z_0$Dirac 边界走向正常潜码分布给定边界对 $(z_0, z_1)$ 的桥后验是解析的论文式 11$$q(z_t|z_0,z_1) \mathcal{N}\left(z_t;\ \mu_t \frac{\bar\sigma_t^2}{\bar\sigma_t^2\sigma_t^2}z_0 \frac{\sigma_t^2}{\bar\sigma_t^2\sigma_t^2}z_1,\ \Sigma_t \frac{\bar\sigma_t^2\sigma_t^2}{\bar\sigma_t^2\sigma_t^2}I\right)$$训练目标论文式 12$$\mathcal{L}{LASB} \left|\epsilon\theta(z_t, t) - \frac{z_t - z_0}{\sigma_t^{(z)}}\right|$$半退化策略不同于高斯扩散逐级加噪摧毁结构LASB 的 forward 是 $z_0 \to z_1$ 的插值桥结构信息全程保留——这就是平滑异常→正常变换的数学来源论文 Figure 1 对比了两者轨迹。推理Algorithm 2异常测试图编码为 $z_N$DDPM 式采样走 backward SDE 到 $z_0$解码得到修复后的正常图原图与重构图过 ImageNet 预训练网络提多尺度特征、算差异定位异常与 DiAD 同款差异块但无引导网络。图片源自论文 Figure 2LASB 两阶段框架。训练时对正常图做异常增广、学习滤除增广异常推理时输入真实异常图重构正常版本差异块输出检测与定位热图。三、数据集与实验设置MVTec-AD15 类10 物体 5 纹理5,354 张高清图3,629 正常训练 / 1,725 测试含异常。VisA12 类、10,821 张图9,621 正常 1,200 异常78 种异常复杂结构/多实例/单实例三种类型。指标AUROC / AP / F1maxcls图像级检测与 seg像素级定位两套。实现256×256 输入VQ-VAE 潜码 64×64×3去噪网络为 DDPM 式 U-Net推理只输入异常图。对比class-basedSimpleNet/PatchCore/DiffAD/DDAD/TransFusion 等与 unified 多类UniAD/DiAD/MambaAD/HVQ-Trans/GLAD 等分组比较。四、关键实验结果1. MVTec-AD 类级设定逼近满分Table 1 上半AUROC_cls/AP_cls99.66/99.15仅次于 DDAD 的 99.84VisA 上 **98.52/99.06 反超 DDAD98.9**的 AP 口径——复杂多类场景下桥式变换更稳。2. 统一多类设定全面 SOTATable 1 下半方法MVTec AUROC_cls/AUROC_segVisA AUROC_cls/AUROC_segUniAD (NeurIPS22)96.52 / –85.5 / 95.9DiAD (AAAI24)97.15 / –86.75 / 96.0MambaAD (NeurIPS24)98.6 / 97.794.3 / 98.5LASB99.14 / 98.6694.2 / 98.183. 扩散系内部对比定位指标碾压Table 2MVTec。相对次优模型AUROC_seg0.6%、AP_seg17.4%78.2 vs 60.8GLAD、F1max_seg10.0%、F1max_cls 2.0%。定位类指标的大幅领先正是结构保留的直接回报——从纯噪声重构的模型连物体的边界都对不齐。方法AUROC_clsAP_clsF1max_clsAUROC_segAP_segF1max_segDDPM71.981.686.675.613.319.5LDM76.687.688.185.127.631.0DiAD97.299.096.596.852.655.5GLAD97.599.196.697.460.860.7LASB99.299.398.598.678.270.74. VisA 多类Table 3AUROC_seg 98.2 / AP_seg 46.4 / F1max_seg 52.6相对次优DiAD 96.0/26.1/33.0大幅领先。5. 效率NFE10 即收敛Table 4。桥的两端固定采样不需要 1000 步NFE125101001000MVTec AUROC_cls/seg97.42/96.8298.16/97.8498.94/98.1699.14/98.66同同V100 推理耗时 (s)0.120.250.520.741.51510 步0.74 秒即达 1000 步的精度——比标准扩散检测器的实用性好一个量级且 Figure 3 显示 LASB 的训练时间/显存/采样时间在 DDPM/SGM/SBIPF各档分辨率下均为最低完整 SB 的 IPF 训练最贵。五、机制解释与讨论为什么桥式变换比重构更利于定位异常检测的本质需求是把异常区域替换掉、把正常区域原样保留。高斯扩散的 forward 把两者都抹成噪声backward 重构时正常区域也要重新猜出来——像素级对齐靠运气。薛定谔桥的 forward 是异常→正常的条件插值结构信息物体轮廓、纹理走向天然保留在轨迹上模型只需替换异常统计对应的分量。差异图的底噪因此小得多——这解释了 AP_seg 上 17.4% 的悬殊差距。具体发现 → 凝练结论具体发现一Dirac 边界让训练退化为标准 score matching —— 结论SB 的理论优雅性不必以训练复杂度为代价关键在于边界条件的选取锚定单个样本而非分布具体发现二NFE10 后所有指标饱和 —— 结论桥的终点固定采样路径长度天然短于从噪声长出图像具体发现三VisA 上反超 class-based 的 DDAD —— 结论桥式结构保留在类别混杂统一模型场景下的优势更大因为模型必须同时应付 12 类物体的结构。六、局限与工程启示局限依赖 DRAEM 式异常增广来教会模型异常的统计外观——增广与真实异常的分布差距仍是隐忧与 DRAEM 同源的问题VQ-VAE 的重构上限构成系统天花板官方仓库当前仅有 README 占位代码尚未实际放出截至本文撰写。工程启示边界条件工程是扩散模型改造的通用杠杆换掉高斯先验、锚定具体样本就能把生成模型改造成分布间传输工具——同样的思路可用于图像修复、风格迁移、域转换潜空间 半退化插值的组合让扩散检测器第一次有了10 步推理的实用延迟对质检场景统一模型省掉每类一模型的部署成本94 的 VisA AUROC 说明跨类泛化已可用评测建议扩散系异常检测必须报 AP_seg/F1max_seg——AUROC 在高度不平衡的像素级任务上会掩盖巨大差距Table 2 里 AUROC 差 1.2% 而 AP 差 17.4%。七、源码复现官方仓库https://github.com/ShilhoraAkshayPatel/LASB ——截至本文撰写仓库仅有 README 占位标题与论文一致无代码文件。本地目录复现代码/2552-LASB/仅 LICENSE README。⚠️ 复现路径/未运行论文源码尚未实际放出以下为基于论文方法描述整理的参考实现与预期复现路径非官方代码、非实际运行结果。参考实现依据论文式 (11)(12) 与 Algorithm 1/2 整理# 参考实现Linear-SB 桥训练与采样依据论文描述整理非官方代码 import torch, torch.nn as nn, torch.nn.functional as F def bridge_posterior(z0, z1, t, beta): 论文式(11)给定边界对 (z0, z1) 的桥后验解析形式。 σ_t² ∫₀ᵗ β, σ̄_t² ∫ₜ¹ β累计方差。 s2 beta[:t].sum() # σ_t² s2bar beta[t:].sum() # σ̄_t² mu (s2bar / (s2bar s2)) * z0 (s2 / (s2bar s2)) * z1 var (s2bar * s2 / (s2bar s2)) return mu, var def lasb_loss(net, z0_anom, z1_norm, beta): 论文式(12) Algorithm 1从桥后验采样 z_t 网络预测 score目标为 (z_t - z0)/σ_t。 t torch.randint(1, len(beta), (z0_anom.size(0),), devicez0_anom.device) mu, var bridge_posterior(z0_anom, z1_norm, t, beta) z_t mu var.sqrt() * torch.randn_like(mu) target (z_t - z0_anom) / beta[:t.max()].cumsum(0)[t - 1].sqrt().view(-1, 1, 1, 1) return F.mse_loss(net(z_t, t), target) torch.no_grad() def lasb_sample(net, z_N, beta, steps10): Algorithm 2DDPM 式采样仅需 10 步 NFE。 idx torch.linspace(len(beta) - 1, 0, steps).long() z z_N for n in idx: eps net(z, n.view(1)) z0_pred z - beta[:n 1].sum().sqrt() * eps # 预测 z0 # p(z_{n-1} | z0_pred, z_n)桥后验一步回退 mu, var bridge_posterior(z0_pred, z, max(n - 1, 0), beta) z mu var.sqrt() * torch.randn_like(mu) if n 0 else z0_pred return z预期复现路径VQ-VAE从 Stable Diffusion 的 VQ 权重初始化在 MVTec/VisA 训练集正常 DRAEM 异常增广图上 KL 微调至收敛后冻结潜码 64×64×3。异常增广按 DRAEM 的 Perlin 噪声 外部纹理DTD管线生成增广对正常图 → 异常图 mask。训练 Linear-SBU-Net 去噪网络DDPM 架构在潜空间用上面的桥损失训练边界对为增广异常潜码正常潜码。推理与差异块测试异常图 → 潜码 → 10 步桥采样 → 解码正常图原图与重构图过 ImageNet 预训练 backbone 提多尺度特征、算差异图与 DiAD 实现对齐。评测AUROC/AP/F1maxcls seg对照 Table 1–3扫描 NFE ∈ {1,2,5,10,100,1000} 复现 Table 4 的饱和曲线。消融方向pixel 空间 vs 潜空间、DDPM vs Linear-SB 损失、半退化插值 vs 逐级加噪验证结构保留假设。7.4 复现时区分桥过程、重构器与异常评分器LASB 的推理链包含潜变量编码、桥式采样、解码以及特征差异评分。复现时若只比较最终 AUROC很难判断结果差异来自哪一环。建议分别检查 VQ-VAE 的正常图重构质量、桥采样后的图像结构保留程度以及差异图对异常区域的响应。尤其是潜空间编码器若抹掉了细小缺陷后续桥模型即使训练稳定也无法恢复被压缩丢失的信息反过来解码器产生的正常纹理差异也可能在热图里形成误报。桥的边界样本配对也影响训练信号。正常图与合成异常图需要在场景结构上对应使模型能够学习在保持背景布局的同时消除异常。若异常增广改变了大面积背景模型可能学成整体重绘器而非局部异常修复器。复现报告应注明异常纹理来源、mask 生成方式及异常覆盖比例并展示不同类别的定性案例。DRAEM 式增广是论文训练方案的一部分但其合成分布与真实缺陷的差距仍然是重要限制。7.5 指标、采样步数与部署含义异常检测中的图像级 AUROC 与像素级 AP/ F1max 衡量对象不同。像素级异常区域通常只占整张图很小比例AUROC 可能在大量正常像素上看起来很高却掩盖异常区域边界不准的问题因此需要同时看 AP_seg 和 F1max_seg并查看热图的空间定位。不同工作若使用不同特征骨干、阈值选择或插值方式像素指标也可能不可直接横向比较。论文显示 NFE 增加到 10 后指标趋于饱和说明其特定数据与模型设置下可减少采样步数部署前仍需在目标硬件和目标分辨率下测延迟、显存与吞吐。桥式模型并非完全无采样成本也不意味着任何异常类型都能在 10 步获得同等精度。对高价值缺陷可采用较多步数或对不确定样本触发二阶段检查对实时质检则应先验证低步数下漏检率是否仍满足业务要求。八、总结LASB 把薛定谔桥从最优传输理论搬进了异常检测的实战用 Dirac 边界条件把理论上昂贵的 SB 训练化归为标准 score matching在 VQ-VAE 潜空间学一条异常→正常的结构保持桥——省掉所有辅助网络换来 MVTec 多类设定 99.14/98.66 的双 SOTA 和 AP_seg 上 17.4% 的领先外加10 步采样即饱和的部署级效率。对被扩散异常检测的推理成本和定位精度同时折磨的团队这是一条理论清晰、工程友好的新路线。延伸阅读建议薛定谔桥与 IPFDe Bortoli et al.、Shi et al.、DRAEM异常增广源头、DiAD潜空间扩散检测对照、DDAD/GLAD/TransFusion扩散系 SOTA、UniAD/MambaAD非扩散统一模型、VQ-VAE 与 Stable Diffusion 的潜空间设计。九、引用信息论文引用Shilhora Akshay, Niveditha Lakshmi Narasimhan, Jacob George, Vineeth N Balasubramanian. A Unified Latent Schrödinger Bridge Diffusion Model for Unsupervised Anomaly Detection and Localization. CVPR, 2025.论文 PDFhttps://openaccess.thecvf.com/content/CVPR2025/papers/Akshay_A_Unified_Latent_Schrodinger_Bridge_Diffusion_Model_for_Unsupervised_Anomaly_CVPR_2025_paper.pdf官方仓库https://github.com/ShilhoraAkshayPatel/LASB 截至撰写为占位仓库代码未放出