AnomalyVFM

零样本异常检测，无需训练直接部署

AnomalyVFM 是一个面向工业视觉异常检测的零样本检测框架，发表于 CVPR 2026。它旨在解决传统异常检测模型依赖大量正常样本训练、泛化能力差的问题，通过将预训练的视觉基础模型（如 CLIP、DINOv2）转化为强大的零样本异常检测器，无需任何微调即可直接应用于新场景。其核心能力包括：利用基础模型的语义与结构特征，结合创新的提示学习和特征融合策略，实现对图像中异常区域的精准定位与分类。项目提供完整的推理代码和预训练权重，支持多种主流基础模型后端，并设计了高效的适配模块以平衡检测精度与计算开销。AnomalyVFM 在多个工业基准数据集上展现了领先的零样本性能，为快速部署异常检测系统提供了新思路。