本文提出了多种新颖的异常检测模型，包括基于对抗学习的类感知跨域检测变换器、层次高斯混合归一化流模型HGAD和扩散异常检测框架DiAD。这些模型通过引入先进技术，显著改善了异常检测性能，尤其在类别不平衡和标签不足问题上表现优越。实验结果显示，这些新模型在多个基准测试中超越了现有方法。