本研究评估了零样本异常检测（ZSAD）在医学影像中的应用，特别是CLIP模型在脑肿瘤检测中的表现。尽管模型展现出潜力，但其精度仍未达到临床需求，需进一步改进。

本文探讨了大型语言模型（LLMs）在零样本异常检测和多模态任务中的应用，特别是GPT-4V模型在视觉导航、行人行为预测及社交媒体内容理解方面的潜力。研究表明，LLMs能够有效执行图像分类和机器人控制任务，展现出在多样化场景中的应用前景。

本文介绍了基于CLIP模型的零样本异常检测方法，如VadCLIP和AnomalyCLIP，利用自然语言监督和视觉表示进行异常识别。研究表明，结合视觉-语言模型与适应方法能有效提升检测性能，尤其在视频异常检测中表现优异。模型通过轻量级策略和少量数据展现出良好的泛化能力和鲁棒性。

本文提出了一种利用视觉-语言模型CLIP进行零样本异常检测的新方法。通过滑动窗口方式对图像的每个部分应用提示引导分类，并通过生成文本嵌入来训练前馈神经网络。通过从CLIP的嵌入中提取正常和异常特征，实现了无需训练图像的无类别异类检测，并取得了零样本设置下的最新性能。