该论文研究了工业多模态异常检测任务，使用点云和RGB图像定位异常，并提出了一种新的框架。该框架学习将一个模态的特征映射到另一个模态的正常样本上，并通过观察特征不一致性来检测异常。实验证明该方法在检测和分割性能上优于先前方法，并具有更快的推理速度和更低的内存占用。同时，提出了层裁剪技术，提高了内存和时间效率。

该论文研究了工业多模态异常检测任务，使用点云和RGB图像定位异常。提出了一种新的框架，通过学习将一个模态的特征映射到另一个模态的正常样本上，并观察特征和映射特征的不一致性来检测异常。实验证明该方法在MVTec 3D-AD数据集上表现出最先进的检测和分割性能，同时具有更快的推理速度和更低的内存占用，优于先前的多模态异常检测方法。此外，还提出了一种层裁剪技术，提高了内存和时间效率。