（来源：中国图象图形学学会CSIG）

CSIG图像图形技术挑战赛是由中国图象图形学学会（CSIG）主办的系列赛事，旨在促进图像图形技术及相关产业的发展和应用，扩大企业产品开源技术的推广，帮助企业吸引更多的优秀人才。

第七届CSIG图像图形技术挑战赛—

荣旗科技：复杂工业场景异常检测算法挑战赛启动报名

01

目的与意义

在人工智能与智能制造深度融合的时代背景下，工业产品的异常检测正成为质量控制、工业自动化等前沿领域的关键技术。真实工业环境下的缺陷提取与识别面临着背景干扰大、异常形态多样、类间差异微小等诸多技术瓶颈。

本赛道旨在汇聚全球顶尖研究力量，激发参赛者深入研发与持续优化算法。这不仅是对计算机视觉与深度学习交叉领域技术实力的全面检验，更是为了提升系统在超多类别及零样本等多样化、复杂化真实场景中实现高精度异常检测与分割的能力，从而推动高保真质量控制及自动化场景解析等重大工业应用落地。

02

组织机构

主办单位：中国图象图形学学会（CSIG）

承办单位：荣旗科技，CSIG视觉检测专业委员会

03

参赛要求

面向全国企事业单位、高校的正式注册教师、在读研究生、博士生及研究团体、个人开放。

支持以个人或团队形式参赛，每个参赛队伍总人数最多不超过5人，其中，指导老师最多不超过2人。

允许跨单位自由组队，但每人只能参加一支队伍。

具有全日制学籍的在校学生不得以职工身份参赛。

04

主要时间节点

赛道发布与报名启动：2026年5月初

数据集开放与A榜测试：2026年5月中旬-2026年8月31日

B榜测试与结果提交：2026年9月1日-2026年9月15日

线上评审与入围公布：2026年9月下旬

线下答辩与赛道颁奖（赛道完赛）：2026年10月中旬

参加CSIG挑战赛总决赛及颁奖典礼：2026年11月-12月期间择机举行

05

赛制安排与A/B榜评测规则

1. 核心挑战与 A/B 榜评测机制

随着智能制造的发展，产品线的“小批量、多品种、快迭代”成为常态。本赛道核心考察模型在打破传统“一类一模型”桎梏时，面对超大规模类别的异常分类与像素级缺陷分割能力；以及在遭遇冷启动（即全新产品上线）时，模型在未见类别（零样本）上的泛化识别水平 。为客观评估算法泛化能力，彻底杜绝数据透传与过拟合，比赛实行极为严格的 A/B 榜物理隔离盲测机制：

A榜（公开验证集）： 测试集类别分布与训练集完全一致。旨在提供一个标准化的沙盒环境，供选手验证特征提取逻辑、监控模型收敛状态。为合理分配算力，A榜期间系统每日限制每支队伍提交 3 次，并实时滚动排行榜。注：A榜成绩仅作为阶段性开发参考，绝对不计入最终晋级核算。

B榜（隐藏决胜集）： B榜测试集不仅引入了高难度的复杂背景干扰样本，更注入了训练集与A榜中完全未见的全新工业产品类别，构成了对模型零样本（Zero-Shot）泛化能力的终极“压力测试” 。核心难点为，如何在保证对已知产品类别检测性能的同时，增强对未知产品类别的零样本检测能力。为防止“标签探测（Label Probing）”，B榜开放的15天窗口期内，每支队伍总计仅限提交 2 次，且排行榜全程隐藏。线上初赛的最终客观成绩与晋级名额，完全由B榜的最高得分一锤定音。

2. 数据集约束与算法开发指南

比赛统一且唯一使用业界极具挑战性的realiad-variety 真实工业异常检测数据集 。该数据集涵盖海量多材质、多形态的工业产品，并提供极度精细的像素级缺陷掩码，是检验“超多类别异常检测”与“超多类别零样本”任务的绝佳试金石 。为帮助各参赛队伍快速跨越技术门槛，避免从零盲目摸索，组委会推荐以下两大核心算法范式与基准（Baselines）：

范式一：基于基础大模型的无监督多类别检测（重点推荐）

面对超多类别的特征混淆，利用自监督视觉基础模型提取通用特征是目前的SOTA 趋势。代表性算法如 Dinomaly、 INP-Former，该类方法通过挖掘 Dinov2 等大模型深层特征，能够在多类别无监督检测中有效避免灾难性遗忘，是本赛题冲刺高分的核心基准。

推荐预训练权重库：https://github.com/facebookresearch/dinov2

推荐开源代码库（INP-Former）：https://github.com/luow23/INP-Former

范式二：基于跨模态对齐的零样本缺陷推理（Zero-Shot）

针对B 榜的未见类别，纯视觉方案存在局限。推荐查阅 WinCLIP，AnomalyGPT，AdaCLIP，学习如何引入大语言模型（LLM）或视觉-语言多模态大模型（VLM），通过文本提示词（Prompt）引导模型在陌生产品上“无中生有”地精准定位缺陷。

推荐跨模态工具库：https://github.com/mlfoundations/open_clip3

3.评估指标与加权计分标准

评测系统将在统一的硬件平台（如单张NVIDIA RTX 4090 或等效算力 GPU）下运行。不仅考察精度，同时严格限定算法的单帧处理延迟≦1秒，超出时延限制的提交将按比例扣分或直接判为无效。

综合得分计算公式（满分100 分）： 

为兼顾工业场景对不同维度的需求，B 榜最终客观得分S将由图像分类、像素分割及零样本表现加权得出：

4.线下答辩与最终总成绩核算本赛道设立线下评审与答辩环节。

晋级机制：B榜综合得分S排名前 5 名的队伍，在按要求提交源代码、模型权重，并通过承办方技术专家组的“防作弊代码复现与时延核准”后，获邀参加线下总决赛答辩。若发现硬编码（Hard-coding）或违规使用外部私有数据，晋级名额依次顺延。

决赛定调：赛道冠军及各项大奖归属，由“线上机器盲测分”与“线下专家评审分”共同决定，权重分配为：

（注：专家评审打分将重点围绕三大维度展开：算法架构的原始创新性、针对极端异常（如微小缺陷）的鲁棒性，以及在实际产线部署中的工程落地可行性与资源占用率）。

06

任务设置

核心任务：赛道重点考察模型在面对超大规模类别时的异常分类与像素级缺陷分割能力，以及模型在未见类别（零样本）上的泛化识别水平。参赛者需在测试阶段对海量不同类别的工业场景图像输出准确的分类标签及分割掩码。

数据集要求：比赛仅使用业界极具挑战性的realiad-variety 数据集。该数据集的核心挑战即为“超多类别异常检测”与“超多类别零样本”。

评估指标：采用AUROC、AP 以及 F1-Measure 进行综合计算与评测。同时考察算法的单帧处理延迟，以满足工业落地的实际时延需求。

07

奖项设置和奖励方法

本赛道总奖金池为40,000 元人民币，具体设置如下：

一等奖（1名）：奖金 14,000 元人民币 + 获奖证书

二等奖（2名）：奖金 7,000 元人民币 + 获奖证书

三等奖（4名）：奖金各 3,000 元人民币 + 获奖证书

奖励方法：奖金为税前金额，由承办方按税法规定代扣代缴个人所得税后，向参赛团队代表实际支付税后金额。各单项奖将在10月中旬的赛道完赛颁奖典礼上颁发。赛道冠军队伍将获得参加11月-12月举行的第七届CSIG图像图形技术挑战赛总决赛的资格，角逐年度总决赛冠亚季军。