本文介绍了一种多类别图像异常检测的新方法，包括基于向量量化的Transformer模型和无类别信息的统一检测方法。研究表明，Dinomaly框架在多个基准数据集上表现优异，而MINT-AD通过减少类间干扰提升检测效果。此外，提出的量化特征蒸馏方法在图像分类和目标检测中显示出更高的灵活性和有效性。

本文提出了一种新颖且高效的神经网络量化感知训练方法，即量化特征蒸馏（QFD），通过先训练一个量化的教师表示，再使用知识蒸馏来量化网络。实验结果表明，QFD 比之前的量化方法更加灵活和有效，在图像分类和目标检测任务上明显优于现有方法，同时又更为简单。