MMR-AD
收藏资源简介：
MMR-AD 是一个大规模多模态工业异常检测数据集，旨在促进基于多模态大语言模型（MLLMs）的通用异常检测（GAD）研究。该数据集包含 127,137 张高质量工业图像，涵盖 188 个产品类别和 395 种异常类型，提供了 112,875 个标注的异常区域（边界框）。与以往数据集不同，MMR-AD 为每个样本提供了详细的链式推理（CoT）文本，使模型能够学习逐步分析和比较。数据集汇集并清理了来自 14 个公共工业 AD 数据集（如 MVTecAD、VisA、RealIAD 等）的数据，确保了真实世界的领域偏移。数据集结构按子数据集组织，便于跨域评估，每个样本包括参考图像、待检测图像、推理文本和最终检测结果（含边界框坐标和异常标签）。MMR-AD 适用于 MLLMs 的微调、通用 AD 研究以及推理研究。
MMR-AD is a large-scale multimodal industrial anomaly detection dataset designed to advance general anomaly detection (GAD) research based on multimodal large language models (MLLMs). This dataset contains 127,137 high-quality industrial images, covering 188 product categories and 395 anomaly types, and provides 112,875 annotated anomaly regions (bounding boxes). Unlike previous datasets, MMR-AD provides detailed chain-of-thought (CoT) texts for each sample, enabling models to learn step-by-step analysis and comparison. The dataset aggregates and cleans data from 14 public industrial AD datasets such as MVTecAD, VisA, RealIAD, etc., ensuring real-world domain shifts. The dataset is structured into sub-datasets to facilitate cross-domain evaluation, with each sample including a reference image, an image to be detected, reasoning text, and final detection results (including bounding box coordinates and anomaly labels). MMR-AD is applicable to the fine-tuning of MLLMs, general AD research, and reasoning research.
MMR-AD 数据集概述
数据集基本信息
- 数据集名称：MMR-AD (A Large-Scale Multimodal Dataset for General Anomaly Detection)
- 许可协议：MIT
- 相关会议：CVPR 2026
核心特性
- 大规模：包含 127,137 张高质量工业图像，涵盖 188 个产品类别。
- 丰富标注：覆盖 395 种异常类型，提供 112,875 个标注的异常区域（边界框）。
- 基于推理的文本：为每个样本提供详细的 Chain-of-Thought (CoT) 推理文本，支持模型进行逐步分析和比较学习。
- 多源数据：汇集并清理自 14 个公开工业异常检测数据集（例如 MVTecAD, VisA, RealIAD），确保真实世界的域偏移。
- 基准就绪：为基于多模态大语言模型的通用异常检测模型的训练和评估而结构化设计。
关键统计信息
| 指标 | 数值 |
|---|---|
| 总图像数 | 127,137 |
| 产品类别数 | 188 |
| 异常类型数 | 395 |
| 标注区域数 | 112,875 |
| 文本总词元数 | ~26 Million |
| 平均每样本词元数 | 208 |
数据组织结构
数据集按子数据集组织，以方便跨域评估：
MMR-AD/ ├── MVTecAD/ ├── VisA/ ├── RealIAD/ └── ... (14 subdatasets)
每个样本包含以下字段：
reference_image：正常参考样本图像。input_image：待检测图像。reasoning_text：详细的 CoT 分析文本（隐藏在<think>标签内）。answer：包含边界框坐标和异常标签的最终检测结果。
边界框标注说明
所有 bbox 标注均归一化至 448 分辨率。具体而言，保持原始图像宽高比，并将图像的短边缩放至 448 像素。坐标应基于此调整后的尺寸进行解释。
主要应用场景
- 多模态大语言模型的后训练：用于微调如 Qwen-VL、LLaVA 或 InternVL 等模型，以进行工业检测。
- 通用异常检测研究：评估模型在未见过的产品类别上的泛化能力。
- 推理研究：分析 Chain-of-Thought 对视觉异常检测的影响。
引用信息
如果研究中使用 MMR-AD，请引用以下论文：
@inproceedings{yao2026mmrad, title={MMR-AD: A Large-Scale Multimodal Dataset for Benchmarking General Anomaly Detection with Multimodal Large Language Models}, author={Yao, Xincheng and Qian, Zefeng and Shi, Chao and Song, Jiayang and Zhang, Chongyang}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)}, year={2026} }
