Anomagic

用文字描述就能生成工业异常图像，零样本搞定缺陷数据增强

Anomagic 是一个面向工业异常检测的零样本异常图像生成框架，对应 AAAI 2026 论文的官方实现。它解决的是工业场景中异常样本稀缺、难以收集的问题，通过跨模态提示（文本与图像）驱动扩散模型，自动生成逼真的异常图像，用于增强异常检测模型的训练。核心能力包括：利用多模态大模型理解异常描述，结合扩散模型生成高保真异常样本，支持零样本生成，无需真实异常数据即可产出多样化的异常场景。项目基于 Python 实现，集成了计算机视觉、扩散模型与多模态技术，为工业质检、缺陷检测等任务提供数据增强方案。当前处于早期阶段，代码和文档仍在完善中。