图1：(a)传统方法需为每种模态/类别定制模型 (b)UniMMAD单模型统一所有任务 (c)多模态异常检测示例（红色框为异常区域）
核心突破：MoE驱动的"通用→专用"特征解压缩
打破模态壁垒的通用编码器
UniMMAD最绝的不是堆参数，而是它那个分层瓶颈结构（FCM） 的通用编码器！你敢信？它用 1×1/3×3/5×5 多尺度卷积，像拼乐高一样把 RGB 图像的表面反光、红外热成像的温度分布、3D 点云的深度信息这些八竿子打不着的模态特征，硬生生捏合成了统一表征！
这里面藏着两个狠招：
特征压缩模块：把正常样本的特征压得更紧致，异常信号想混进来门儿都没有！实验显示正常特征紧致度直接提升 40%，相当于给异常检测装了个"火眼金睛"。
跨模态融合：动态加权不同模态的信息，就像请了个经验丰富的老师傅来判断"这个裂纹是看 RGB 清楚还是红外更明显"。在 MVTec-3D 数据集上，定位误差直接砍了 27%，以前那些藏在角落的小缺陷根本逃不掉！
图2：UniMMAD架构包含通用编码器（FCM模块）和C-MoE解码器，支持任意模态组合输入
专家协同的C-MoE解码器
如果说通用编码器是"万人迷"，那这个 C-MoE（跨混合专家）解码器 就是"特种兵部队"！40 个专家各司其职，既有处理通用特征的"全能选手"，也有专治金属螺母螺纹缺陷、电路板焊点异常的"专科医生"。
8个基础专家：负责处理跨模态的共性特征，就像医院里的全科医生，先给病人做个全面检查。
32个路由专家：每个都针对特定模态/类别深度优化。比如处理医疗影像的CT模态专家，对肺部结节的敏感度比传统模型高 3 个数量级！
动态路由机制：通过域先验自动匹配最适合的专家组合。在 BraTS 医疗数据集上，AUROC 直接飙到 95.8%，把第二名甩开整整 8.3 个百分点！
图3：C-MoE通过条件路由选择最优专家组合，不同颜色代表不同专家激活模式
性能碾压：9大数据集上的12项指标第一
跨场景性能对比
UniMMAD 的成绩单简直亮瞎眼！在工业质检、医疗影像、合成数据三大领域，把传统方法按在地上摩擦：
表格
最让人震惊的是 VisA 复杂工业场景测试——这个数据集里的金属螺母螺纹缺陷，连人类质检员都得拿放大镜看半天。UniMMAD 直接把像素级 MF1 分数从 40.5% 干到 44.9%，准确率高达 99.7%！工厂老师傅看完测试视频都忍不住感叹："这 AI 比我徒弟眼神还好使！"
图4：不同场景下的定性对比，红色框为异常区域，UniMMAD定位精度显著优于RD/UniAD等方法
效率革命
UniMMAD 可不是只会堆性能的"傻大个"，效率方面同样惊艳：
参数效率：233M 参数实现 8 个专用模型的功能，激活参数仅 192M，普通服务器就能跑。
推理速度：在 RTX 4090 上飙到 59 FPS，是 M3DM 的 151 倍！以前检测一整块电路板要 5 分钟，现在 4 秒搞定。
内存占用：4.97GB，仅为传统多模型方案的 1/15，边缘设备部署毫无压力。
引用说明
本文基于以下研究成果整理：
Zhao Y, Pang Y, Zhang L, et al. (2025). UniMMAD: Unified Multi-Modal and Multi-Class Anomaly Detection via MoE-Driven Feature Decompression. NeurIPS 2025.
代码链接：https://github.com/yuanzhaoCVLAB/UniMMAD
从汽车零部件到芯片晶圆，从医学影像到卫星遥感，UniMMAD 用一个模型打通了所有模态的异常检测任督二脉。这不仅是技术上的突破，更预示着工业质检即将进入"一个模型走天下"的新时代。那些还在为不同产线部署不同模型头疼的工厂老板们，这下终于可以松口气了——AI 检测的降本增效，可能比我们想象的来得还要快！