EntroAD：结构熵引导的零样本异常检测提示适应

零样本异常检测（ZSAD）旨在检测未见域中的异常，而无需目标域适应。最近基于 CLIP 的方法通过利用即时学习和视觉文本对齐显示出良好的性能。然而，大多数现有方法依赖于单一的适应途径，这可能不足以应对跨域的异构异常模式。在实践中，异常表现出截然不同的特征，从显着的、局部的结构破坏到微妙的、分散的和不规则的变化。为了应对这一挑战，我们提出了 EntroAD，一种结构熵引导的零样本异常检测框架。与之前的方法不同，EntroAD引入了动态路由机制，通过专门的适应策略来处理不同类型的异常。具体来说，我们从自注意力引起的补丁关系中估计补丁级结构熵，并将其用作关系不确定性的代理，以指导异常感知词元路由。基于此路由信号，我们构建异常感知路由词元，以更好地捕获具有不同结构特征的异常线索。我们进一步引入了一个信任感知的双分支提示适应模块来稳定视觉文本对齐，同时保留 CLIP 的可转移先验。对 10 个工业和医疗基准的大量实验表明，EntroAD 在具有挑战性的跨数据集 ZSAD 设置中实现了最先进的性能。