Tag · 8 篇

零样本异常检测

分布目标检测与定位3鲁棒性与安全33D 视觉与重建1视觉语言模型1

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。

MoECLIP: Patch-Specialized Experts for Zero-shot Anomaly Detection

把 MoE 路由下沉到图像块级别、每个图像块动态选择专属 LoRA 专家，是给 CLIP 类视觉语言模型做任务特化的可复用微调范式；FOFS 正交特征分离与 simplex ETF 损失抑制专家冗余的思路，可直接迁移到其他需要多专家分工的密集预测任务。

GS-CLIP: Zero-shot 3D Anomaly Detection by Geometry-Aware Prompt and Synergistic View Representation Learning

把 3D 几何先验蒸馏进 CLIP 文本提示词，并用渲染图与深度图双流互补融合，为点云零样本异常检测提供了可复用的「几何感知提示词 + 多视图协同」范式，可直接迁移到其他 3D 开放词表任务。

From Attraction to Equilibrium: Physics-Inspired Semantic Gravitons for Zero-Shot Anomaly Detection

把 CLIP 的视觉-文本对齐建模为可学习的「语义引力子」中介，用交替耦合与能量势正则稳定跨模态对应，可直接迁移到需要精确定位的零样本/开放词表视觉任务（异常检测、缺陷分割、开放词表定位）。

FB-CLIP: Fine-Grained Zero-Shot Anomaly Detection with Foreground-Background Disentanglement

对做视觉异常检测的人，这篇给出了一个可复用的思路：用 CLIP 的文本端多粒度表示（EOT、全局池化、注意力加权词元）配合视觉端沿身份/语义/空间三个维度的软分离与背景抑制，缓解前景背景特征纠缠；SCR 用正常/异常文本原型对齐图像特征，可直接迁移到其他零样本定位任务。

DLVP-CLIP: Enhancing Fine-Grained Zero-Shot Anomaly Detection via Dynamic Local Visual Prompting

用语义感知的局部特征选择器从图像关键区域动态抽取视觉提示词 token，替代预定义文本提示词模板来补足 CLIP 的局部细节感知，这一动态视觉提示思路可直接迁移到其他需要细粒度局部判别的 CLIP 下游任务（如缺陷检测、病灶定位）。

AnomalyVFM -- Transforming Vision Foundation Models into Zero-Shot Anomaly Detectors

把任意预训练视觉基础模型（如 DINOv2、RADIO）通过低秩特征适配器加置信度加权像素损失改造成零样本异常检测器，并给出三阶段合成异常数据生成方案，可直接复用于工业质检等无监督缺陷定位场景。

ADSeeker: A Knowledge-Grounded Reasoning Framework for Industry Anomaly Detection and Reasoning

把 MLLM 与图像-文档知识库的检索增强生成（Q2K RAG）结合，用于零样本工业异常检测与推理；其分层稀疏提示词与类型级特征提取思路可迁移到其他需要细粒度缺陷/异常描述的视觉-语言任务。