MVTec 3D-AD（RGB + 点云工业异常，2022）

MVTec 3D-AD 由 MVTec Software GmbH 于2021年发布（VISAPP 2022），是工业 3D 视觉异常检测领域的第一个综合性基准数据集。使用高分辨率工业级 3D 传感器采集10类对象的深度点云与对应 RGB 图像，训练集仅包含无缺陷正常样本，测试集包含多种缺陷类型（划痕、凹陷、孔洞、污染、形变等）并附精确像素级标注。该数据集在无监督 3D 异常检测与多模态（RGB+点云）异常检测领域成为事实标准基准，至今已有大量 CVPR、ICCV、NeurIPS、ECCV、ICML 等顶会论文在其上评测，推动了从传统特征工程到深度学习再到基础模型等多代方法的发展。

唯一公开 RGB + 3D 点云工业异常基准，CVPR 23/24 后续论文事实标准。

• MVTec 3D-AD
  VISAPP, 2022

• Multimodal Industrial Anomaly Detection by Crossmodal Feature Mapping
  CVPR 2024, 2024 — Alex Costanzino, Pierluigi Zama Ramirez, Giuseppe Lisanti, Luigi Di Stefano
  提出跨模态特征映射框架，轻量高效，在 MVTec 3D-AD 上达到 SOTA 且推理速度更快
• Towards Scalable 3D Anomaly Detection and Localization: A Benchmark via 3D Anomaly Synthesis and A Self-Supervised Learning Network
  CVPR 2024, 2024 — Wenqiao Li et al.
  提出 IMRNet 和 Anomaly-ShapeNet 合成基准，MVTec 3D-AD 为主要对比数据集
• Looking 3D: Anomaly Detection with 2D-3D Alignment
  CVPR 2024, 2024 — Ankan Kumar Bhunia et al.
  利用 2D-3D 对齐实现更精准的多模态异常检测，在 MVTec 3D-AD 上评测
• R3D-AD: Reconstruction via Diffusion for 3D Anomaly Detection
  ECCV 2024, 2024 — Various
  首次将扩散模型引入 3D 异常检测重建框架，MVTec 3D-AD 为核心基准
• PointAD: Comprehending 3D Anomalies from Points and Pixels for Zero-shot 3D Anomaly Detection
  NeurIPS 2024, 2024 — Qihang Zhou, Jiangtao Yan, Shibo He, Wenchao Meng, Jiming Chen
  基于 CLIP 的零样本 3D 异常检测，MVTec 3D-AD 上 I-AUROC 从 61.2% 提升至 82.0%
• Multimodal Industrial Anomaly Detection via Hybrid Fusion
  CVPR 2023, 2023 — Yue Wang, Jinlong Peng, Jiangning Zhang, Ran Yi, Yabiao Wang, Chengjie Wang
  提出 M3DM，用点特征对齐（PFA）融合 RGB 与点云特征，在 MVTec 3D-AD 上超越此前 SOTA
• Shape-Guided Dual-Memory Learning for 3D Anomaly Detection
  ICML 2023, 2023 — Yue Chu, Zhichao Sun, Shengjun Liu, et al.
  提出形状引导双记忆学习框架，MVTec 3D-AD 为主要评测数据集
• Anomaly Detection in 3D Point Clouds Using Deep Geometric Descriptors
  WACV 2023, 2023 — Paul Bergmann, David Sattlegger
  （3D-ST）基于深度几何描述子的 student-teacher 框架，MVTec 3D-AD 核心评测

• MVTec