MVTec AD 2 Dataset

MVTec AD 2数据集由德国MVTec软件有限公司和慕尼黑工业大学共同创建，包含8004张高分辨率图像，涵盖8个具有挑战性的工业异常检测场景。该数据集考虑了透明和重叠物体、暗场和背光照明、正常数据中高度可变的物体以及极小的缺陷等工业检测中常见但未被现有数据集涵盖的复杂情况。数据集设计符合无监督学习设置，训练和验证集只包含正常数据，测试集则包含不同照明条件下的正常和异常数据，以评估模型在真实世界分布变化下的鲁棒性。The MVTec AD 2 dataset was co-created by MVTec Software GmbH of Germany and the Technical University of Munich. It comprises 8004 high-resolution images covering 8 challenging industrial anomaly detection scenarios. This dataset addresses complex situations commonly encountered in industrial inspection but not covered by existing datasets, including transparent and overlapping objects, dark-field and backlighting illumination, highly variable normal samples, and extremely small defects. The dataset is designed for unsupervised learning setups: the training and validation sets only contain normal data, while the test set includes both normal and abnormal data under various lighting conditions, aiming to evaluate the robustness of models against real-world distribution shifts.

搜集汇总

数据集介绍

构建方式

MVTec AD 2数据集通过精心设计的工业场景采集构建，包含8个具有挑战性的异常检测场景，总计超过8000张高分辨率图像。数据采集过程中，每个场景均考虑了工业检测中的实际需求，如透明与重叠物体、暗场与背光照明、正常数据高方差物体以及极微小缺陷等。数据集分为训练集、验证集和测试集，严格遵循无监督异常检测的设置，训练集和验证集仅包含正常数据，测试集则包含公开示例测试集（TESTpub）和两个私有测试集（TESTpriv和TESTpriv,mix），后者通过评估服务器提供像素级精确的标注，确保评估的公平性和标准化。

特点

MVTec AD 2数据集的特点在于其高度挑战性和工业相关性。它不仅涵盖了传统异常检测数据集中未涉及的复杂场景，如透明物体和重叠物体的检测，还引入了多种照明条件变化以模拟真实世界中的分布偏移。数据集中缺陷分布广泛，包括图像边缘，避免了传统数据集中缺陷多集中于图像中心的问题。此外，数据集的图像分辨率高（2.6至5兆像素），且包含单通道灰度图像和多通道RGB图像，进一步增加了检测的难度和多样性。

使用方法

MVTec AD 2数据集的使用方法包括三个主要步骤：首先，使用训练集中的正常数据训练模型；其次，利用验证集调整超参数和阈值；最后，通过评估服务器对私有测试集进行性能评估。数据集提供了公开示例测试集（TESTpub）供本地初步测试，而私有测试集（TESTpriv和TESTpriv,mix）的评估则需通过官方服务器完成，确保了评估的公正性。此外，数据集支持多种评估指标，如AU-PRO和F1分数，全面衡量模型在异常检测和定位中的性能。

背景与挑战

背景概述

MVTec AD 2 Dataset是由MVTec Software GmbH与慕尼黑工业大学合作推出的工业异常检测数据集，旨在解决现有基准数据集（如MVTec AD和VisA）性能饱和的问题。该数据集发布于2025年，包含8个高度复杂的工业检测场景，共计超过8000张高分辨率图像。其核心研究问题聚焦于无监督异常检测与定位，特别针对透明/重叠物体、暗场/背光照明、正常数据高方差物体及极微小缺陷等未被现有数据集涵盖的工业场景。作为领域内首个系统性研究光照条件分布偏移对模型鲁棒性影响的数据集，MVTec AD 2通过标准化评估服务器和像素级标注体系，显著推动了工业质检领域的研究范式革新。

当前挑战

该数据集面临双重挑战：在领域问题层面，当前最优模型平均AU-PRO0.05仅达30.8%，远低于工业应用需求，尤其对微小缺陷（如Can物体中<0.1mm的印刷瑕疵）和光照敏感场景（如Sheet Metal的金属反光）的检测性能不足；在构建层面，需解决高变异正常样本采集（如Fabric纹理随机性）、像素级标注一致性（如Vial液体折射导致的缺陷形变）、以及多光照条件同步控制（4种光照模式下的设备同步误差<1ms）等技术难题。此外，数据集首次引入的边界缺陷分布（28%缺陷位于图像边缘区）对传统中心裁剪预处理方法构成严峻考验。

常用场景

经典使用场景

MVTec AD 2数据集在工业视觉异常检测领域具有广泛的应用价值，尤其在需要高精度定位微小缺陷的场景中表现突出。该数据集通过提供高分辨率图像和多样化的光照条件，为研究人员和工程师提供了一个可靠的基准平台，用于开发和评估无监督异常检测算法。其经典使用场景包括透明物体、重叠物体、暗场和背光照明条件下的缺陷检测，这些场景在以往的工业检测数据集中鲜有涉及。

衍生相关工作

MVTec AD 2数据集的发布推动了多项相关研究工作的开展，尤其是在无监督异常检测算法的鲁棒性和泛化能力方面。基于该数据集，研究者们开发了多种新型算法，如基于反向蒸馏的方法（RD和RD++）、内存库方法（PatchCore）以及归一化流方法（MSFlow）。这些工作不仅提升了异常检测的性能，还进一步验证了数据集在推动算法创新方面的价值。此外，数据集的公开评估服务器也为社区提供了一个公平比较不同方法的平台。

数据集最近研究

最新研究方向

近年来，工业视觉异常检测领域面临着现有基准数据集（如MVTec AD和VisA）性能趋于饱和的挑战，顶级模型的AU-PRO指标差异常小于1个百分点。这种区分度的不足阻碍了模型的公平比较，进而限制了该领域的进一步发展。MVTec AD 2数据集的推出，为无监督异常检测研究注入了新的活力。该数据集包含8个高度复杂的工业检测场景，涵盖透明与重叠物体、暗场与背光照明、正常数据高方差对象及极微小缺陷等前沿挑战。当前最先进模型在该数据集上的平均AU-PRO表现仍低于60%，显著揭示了现有方法的局限性。特别值得注意的是，MVTec AD 2首次引入了光照条件变化的测试场景，为评估模型在真实分布偏移下的鲁棒性提供了标准化的实验平台。该数据集通过严格的评估服务器机制确保测试集标注的保密性，有效防止了过拟合问题，为工业质检领域的方法创新建立了更可靠的基准。其在微小缺陷检测、边界异常定位以及多光照适应性等方面的突破性设计，正在推动异常检测研究从单纯性能优化向工业实用化方向转型。

相关研究论文

• The MVTec AD 2 Dataset: Advanced Scenarios for Unsupervised Anomaly Detection

  德国MVTec软件有限公司，慕尼黑工业大学 · 2025年