有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
Physics Anomaly Detection (Phys-AD)|工业自动化数据集|异常检测数据集
收藏arXiv2025-03-05 更新2025-03-07 收录
下载链接：
http://arxiv.org/abs/2503.03562v1
下载链接
链接失效反馈资源简介：
Physics Anomaly Detection (Phys-AD)数据集是由上海科技大学等机构创建的第一个大规模、现实世界、基于物理的视频数据集，用于工业异常检测。该数据集包含22个类别的49个对象与机器人臂和电机交互的6400多个视频，展示了47种异常类型。数据集通过真实的机器人臂和电机收集，捕捉了机器人臂或电机与工业对象之间的交互过程，旨在推动视觉推理和物理知识结合的异常检测算法的发展。
提供机构：
上海科技大学, 密歇根大学安娜堡分校, 蒙纳士大学
创建时间：
2025-03-05
AI搜集汇总
数据集介绍
构建方式
Physics Anomaly Detection (Phys-AD) 数据集通过使用真实的机械臂和电机收集数据，涵盖了22个类别中的49种不同物理性质的对象，以及与这些对象交互时出现的47种异常类型。数据集包含了6400多个视频，每个视频长度从60到240帧不等，以实时工业环境为背景，完整地捕捉了机械臂或电机与工业对象之间的交互过程。数据收集过程中，根据不同对象的物理性质，选择了不同的交互方式，如推动、旋转、拉动等，以确保数据集能够反映现实世界中的复杂物理规则和动态交互。数据集还包含了对测试集中每种异常类型的文本描述和物理原因解释，为评估视觉语言模型的能力提供了基础。
特点
Phys-AD 数据集的主要特点在于其物理基础的视频内容，以及需要结合物理知识和视频内容来判定对象异常性的视觉推理要求。数据集涵盖了广泛的物理对象和交互方式，如金属、塑料、流体、非晶态物质和关节对象等，以及推动、旋转、拉动等不同的交互模式。此外，数据集还包含了多种异常类型，如泄漏、错位、裂缝等，这些异常类型需要结合整个视频内容和物理先验知识来判断。Phys-AD 数据集的这些特点使其成为工业异常检测领域的一个重要基准。
使用方法
使用 Phys-AD 数据集进行异常检测的方法主要分为三个步骤。首先，使用机器人臂和电机与训练集中的对象进行交互，获取交互过程的视频序列。然后，将视频序列和对应类别的物理先验知识输入到一个推理函数中，以获得正常规则。最后，在测试阶段，使用机器人臂和电机与测试集中的对象进行交互，获取交互过程的视频序列，并将该序列和之前获得的正常规则输入到一个推理器中，以预测对象的异常得分。此外，Phys-AD 数据集还引入了一个名为 Physics Anomaly Explanation (PAEval) 的指标，用于评估视觉语言模型在物理推理方面的能力。PAEval 指标从分类、描述和解释三个方面对模型的异常检测性能进行评估，为模型的物理推理能力提供了全面的评估。
背景与挑战
背景概述
在工业自动化领域，异常检测是计算机视觉和工业自动化研究的关键子领域，旨在制造过程中识别产品中的缺陷或不规则性。传统的工业异常检测算法主要在静态、语义简单的数据集上进行开发和测试，这与现实世界中物理理解和推理的必要性相去甚远。为了弥合这一差距，Wenqiao Li等人于2025年3月介绍了Physics Anomaly Detection (Phys-AD)数据集，这是第一个大规模、真实世界的基于物理的视频数据集，专门用于工业异常检测。该数据集包含超过6400个视频，涵盖22个真实世界的物体类别，与机器人手臂和电机相互作用，并展示了47种异常类型。Phys-AD要求视觉推理，结合物理知识和视频内容来确定物体的异常性，对相关领域产生了深远的影响。
当前挑战
Phys-AD数据集面临的挑战包括：1) 所解决的领域问题是工业异常检测，特别是在动态、真实世界的场景中，需要物理理解和推理来识别异常。2) 构建过程中遇到的挑战包括收集大量多样化的真实世界物理场景数据，以及如何有效地标注和解释异常。为了解决这些挑战，Phys-AD数据集采用了多种交互方法，并引入了Physics Anomaly Explanation (PAEval)指标来评估视觉语言模型在物理推理方面的能力。
常用场景
经典使用场景
Phys-AD 数据集主要用于工业异常检测，特别是针对那些需要理解物理规律和交互推理的复杂场景。数据集包含了22个类别、49个对象的6400多段视频，涵盖了47种异常类型。通过机器人臂和电机与这些对象进行交互，数据集捕捉了真实工业环境中的动态行为。该数据集的典型应用场景包括但不限于：工业自动化生产线上的产品质量检测，机器人视觉系统中的故障诊断，以及智能监控系统的异常识别。
解决学术问题
Phys-AD 数据集解决了当前工业异常检测数据集普遍存在的静态、语义简单的问题。它填补了现实世界中工业异常检测数据集的空白，为研究提供了更接近实际工业环境的数据集。Phys-AD 数据集要求模型不仅要理解视频内容，还要结合物理知识进行推理，从而提高了模型的鲁棒性和泛化能力。
衍生相关工作
Phys-AD 数据集的发布推动了相关领域的研究，衍生出了一系列经典工作。例如，基于 Phys-AD 数据集的物理异常解释（PAEval）指标，用于评估视觉语言模型（VLMs）在物理推理方面的能力。此外，Phys-AD 数据集还激发了研究者在视频异常检测和物理推理方面的新思路和新方法。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
UniProt
UniProt（Universal Protein Resource）是全球公认的蛋白质序列与功能信息权威数据库，由欧洲生物信息学研究所（EBI）、瑞士生物信息学研究所（SIB）和美国蛋白质信息资源中心（PIR）联合运营。该数据库以其广度和深度兼备的蛋白质信息资源闻名，整合了实验验证的高质量数据与大规模预测的自动注释内容，涵盖从分子序列、结构到功能的全面信息。UniProt核心包括注释详尽的UniProtKB知识库（分为人工校验的Swiss-Prot和自动生成的TrEMBL），以及支持高效序列聚类分析的UniRef和全局蛋白质序列归档的UniParc。其卓越的数据质量和多样化的检索工具，为基础研究和药物研发提供了无可替代的支持，成为生物学研究中不可或缺的资源。
www.uniprot.org 收录
VoxBox
VoxBox是一个大规模语音语料库，由多样化的开源数据集构建而成，用于训练文本到语音（TTS）系统。
github 收录
中国气象数据
本数据集包含了中国2023年1月至11月的气象数据，包括日照时间、降雨量、温度、风速等关键数据。通过这些数据，可以深入了解气象现象对不同地区的影响，并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。
github 收录
UniMed
UniMed是一个大规模、开源的多模态医学数据集，包含超过530万张图像-文本对，涵盖六种不同的医学成像模态：X射线、CT、MRI、超声、病理学和眼底。该数据集通过利用大型语言模型（LLMs）将特定模态的分类数据集转换为图像-文本格式，并结合现有的医学领域的图像-文本数据，以促进可扩展的视觉语言模型（VLM）预训练。
github 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2020）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 70 年（1951~2020 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中，计划于 2025 年上半年发布，从而使 CMFD 2.0 延伸至 2024 年底。
国家青藏高原科学数据中心 收录