使用 CLIP 的随机词数据增强技术进行零样本异常检测

本文提出了一种利用视觉-语言模型CLIP进行零样本异常检测的新方法。通过滑动窗口方式对图像的每个部分应用提示引导分类，并通过生成文本嵌入来训练前馈神经网络。通过从CLIP的嵌入中提取正常和异常特征，实现了无需训练图像的无类别异类检测，并取得了零样本设置下的最新性能。