INP-Former复现：原型机制在工业异常检测中的真实效力

工业异常检测（Industrial Anomaly Detection）领域近年来涌现出许多基于重建的方法，其中 INP-Former 凭借“内在正常原型”（Intrinsic Normal Prototypes, INPs）的概念吸引了不少关注。最近一份复现报告对 INP-Former 的核心主张进行了系统验证，不仅复现了原论文在 MVTec AD 和 VisA 上的性能，还将评估扩展到了更难的 MVTec AD 2 数据集。复现结果揭示了一个关键发现：INP 机制确实是性能的主要来源，但一些默认超参数在更难的数据上并不迁移。

INP-Former 的核心机制：无需记忆库的重建

INP-Former 的核心思想是从每个测试图像中提取内在正常原型（INPs），并用这些原型引导解码器重建正常特征。与传统方法不同，它不需要存储记忆库（memory bank），这降低了内存开销并提高了推理效率。复现工作使用作者发布的代码，在 MVTec AD 和 VisA 上成功复现了报告的性能，验证了方法的可重复性。

记忆库（Memory Bank） 是工业异常检测中一类经典方法（如 PatchCore、PaDiM）的核心组件：训练阶段从正常样本中提取特征并存储为一个显式的特征集合，推理时通过最近邻检索判断测试特征是否偏离该集合。它的优势在于判别性强、对正常模式覆盖充分，但代价是存储开销随训练集规模线性增长，且检索过程带来额外的推理延迟。INP-Former 所强调的"无需记忆库"，正是针对这一瓶颈：它不保存任何训练特征的副本，而是在测试时从当前图像自身推断出正常原型，从而把"正常性参考"从离线存储转移到了在线估计，内存占用与训练集规模解耦。

跨数据集泛化：MVTec AD 2 上的性能断崖

复现最有价值的发现来自对 MVTec AD 2 的扩展评估。在默认设置下，MVTec AD 2 上的图像 AUROC 仅为 63.4，而 MVTec AD 上高达 99.7。这一巨大落差说明，INP-Former 在更接近真实工业场景的困难数据上仍有很大的提升空间。复现报告没有回避这一差距，而是将其作为分析重点，探讨了方法在不同缺陷尺寸、光照条件下的表现，以及更严格的 AU-PRO 限制下的性能变化。

MVTec AD 2 是 MVTec AD 的后续基准，于 2024 年发布，专门针对真实工业场景中更具挑战性的条件设计。与原版相比，它包含更多难以检测的小缺陷、更复杂的光照变化（如强反光、阴影、过曝）、以及真实产线中常见的对位偏差和背景干扰，并引入了隐藏测试集以防止过拟合。指标方面，除了常规的图像级/像素级 AUROC，MVTec AD 2 更强调 AU-PRO（Area Under the Per-Region Overlap curve）：它按连通缺陷区域而非单像素计算重叠率，对小而分散的缺陷更为敏感，也更贴近实际质检中"漏检一个区域即算失败"的判定逻辑。因此在该数据集上 AUROC 与 AU-PRO 的落差，往往比原版 MVTec AD 更能暴露方法的真实短板。

消融实验：INP 机制是主要贡献者

五种子消融实验（five-seed ablation）在 MVTec AD 上表明，大部分性能提升来自 INP 机制本身，而两个辅助损失带来的变化较小，且方向取决于具体指标。在 MVTec AD 2 上，同时禁用两个辅助损失的配对比较进一步确认了 INP 的益处。这说明 INP-Former 的设计中，原型提取和引导重建是核心，辅助损失更多是锦上添花而非决定性因素。

五种子消融（five-seed ablation）指对每一种配置用五个不同的随机种子重复训练与评估，再报告均值与方差。异常检测模型的性能对初始化、数据划分与采样顺序较为敏感，单次实验的指标差异可能只是噪声；多 seed 重复能够估计指标的波动范围，从而判断两个配置之间的差距是否具有统计意义。文中提到辅助损失"方向取决于具体指标"，正说明其效应量可能落在种子间方差之内——若不进行多 seed 比较，很容易把随机波动误读为方法改进。这也是复现工作相较原始论文更有说服力的一点：它用方差而非单一数值来支撑结论。

原型数量的默认值：在困难数据上失效

原论文默认使用六个原型（six prototypes）。复现发现，这一设置在 MVTec AD 和 VisA 上表现良好，超过四个原型后性能进入平台期。然而在 MVTec AD 2 上，单个原型在 AU-PRO 指标上反而优于六个原型，这一结论在公开划分和两个隐藏测试划分上都成立。这提示我们，原型数量的选择需要根据数据复杂度调整，默认值并非普适。

实践权衡：分辨率、骨干网络与训练策略

复现还测量了分辨率、骨干网络大小、训练长度和 LoRA 适配等实践权衡。这些因素在实际部署中往往比算法细节更影响最终效果。报告没有给出简单的“最佳配置”，而是提供了不同条件下的性能变化趋势，帮助从业者根据自身场景做出取舍。例如，提高分辨率可能改善小缺陷检测，但会增加计算成本；更大的骨干网络未必总是更好，需要与训练数据量匹配。

LoRA（Low-Rank Adaptation） 是一种参数高效微调技术：它冻结预训练骨干网络的原始权重，在特定层旁注入低秩分解矩阵（两个小矩阵之积）来学习任务相关的增量更新。由于可训练参数量通常只占原模型的极小比例，LoRA 显著降低了显存占用与训练成本，并减少了在小规模工业数据集上全量微调导致的过拟合风险。在异常检测中，骨干特征的质量直接决定重建与判别上限，因此"是否适配、适配哪些层、秩取多大"成为影响最终性能的实用变量——这也解释了复现报告为何将 LoRA 适配与分辨率、骨干规模并列为需要实测的权衡项。

对工业异常检测实践的启示

这份复现工作的价值在于它超越了简单的“跑通代码”，而是对方法的核心假设进行了压力测试。几个关键结论值得关注：INP 机制的有效性得到确认，但辅助损失的作用有限；默认原型数量在困难数据上需要重新审视；跨数据集泛化仍是基于重建的方法面临的主要挑战。对于工业落地而言，这意味着不能盲目套用论文默认配置，而应针对具体产线和缺陷类型进行调优。复现代码已开源，为后续研究提供了可复用的基准。

总体来看，INP-Former 的思路——从测试图像中动态提取正常原型——具有启发性，但复现结果也提醒我们，学术基准上的优异表现与真实工业场景的鲁棒性之间仍有距离。这份复现报告为领域内的方法评估提供了一个更诚实的视角。