自对齐

VisualAD：基于视觉 Transformer 的无语言零样本异常检测

VisualAD: Language-Free Zero-Shot Anomaly Detection via Vision Transformer

去掉文本分支、只用冻结 ViT 骨干加两个可学习 token 来编码正常/异常语义，为视觉研究者提供了一个可复用的纯视觉零样本判别范式，可直接替换 CLIP 文本提示词方案并适配 DINOv2 等骨干。