WinCLIP

用 CLIP 实现零样本工业异常检测，无需训练样本即可定位缺陷

WinCLIP 是 CVPR 2023 论文《WinCLIP: Zero-/few-shot anomaly classification and segmentation》的官方开源实现，旨在解决工业视觉质检中异常样本稀缺的问题。它利用预训练的视觉-语言模型（如 CLIP），通过窗口级特征对齐和文本提示，在无需或仅需少量正常样本的情况下，完成异常分类和像素级分割。核心能力包括：零样本异常检测（仅用文本描述正常/异常）、少样本适配（支持 k-shot 正常样本微调）、多尺度窗口特征融合提升定位精度。项目代码基于 PyTorch，提供推理和评估脚本，并复现了论文中的性能。当前星标 73，属于早期项目，但代码结构清晰，适合研究参考。