本研究提出MetaUAS，一种基于单一提示的元学习方法，旨在解决零样本和少样本视觉异常分割问题。MetaUAS通过将异常分割与变化分割统一，仅需一张正常图像即可精准分割未见的视觉异常，显著提升分割性能，无需依赖语言模型和特定数据集。