本研究提出了AnomalyControl框架，解决了异常合成方法在捕捉复杂特征方面的不足，通过跨模态语义特征学习，提高了合成异常样本的真实感和可控性。实验结果表明，该方法在异常合成任务中表现优异。

论文介绍了RealNet自监督异常检测框架，包括异常合成、特征选择和重构残差选择。通过实验展示了RealNet在处理实际异常检测挑战方面的能力。论文构建了合成工业异常数据集SIA。