InCTRL

给几个正常样本，就能检测任何新场景的异常

InCTRL 是 CVPR 2024 论文的官方实现，提出了一种基于上下文残差学习的通用异常检测方法。它解决的是传统异常检测模型泛化能力差、需要针对每个新场景重新训练的问题。核心能力是仅需少量正常样本作为提示（few-shot prompts），即可在推理时快速适应新的异常检测任务，无需微调模型参数。通过上下文残差学习，模型能够从提示样本中提取正常模式，并计算残差来识别异常。该方法在多个基准数据集上展现了强大的零样本和少样本泛化能力，适用于工业质检、医学影像等多种场景。项目代码基于 Python 实现，结构清晰，便于研究者复现和扩展。