DuoAD：利用 [CLS] 双重特性进行 无需训练 少样本异常检测

视觉基础模型启用了强大的 无需训练 异常检测 (AD)。然而，大多数现有方法主要依赖于独立的本地补丁特征，使得 Vision Transformer (ViTs) 编码的全局上下文信息未得到充分利用。在这项工作中，我们确定了 ViT [CLS] 词元的双重特征：它的嵌入提供了异常不变的全局语义表示，而它的注意力图隐式突出了空间异常区域。基于这一观察，我们提出了一个完全自动化的 AD 框架，利用全局上下文来消除手动调整。我们的框架引入了（1）由 [CLS] 级语义一致性驱动的自动增强选择策略，以及（2）注意力引导的特征重新加权机制，可根据 [CLS] 注意力显着性动态调整补丁贡献。通过将这些组件集成到多级特征上，我们的方法无需训练或参数调整即可实现稳定的异常评分和精确定位。在one-shot设置下，它在MVTec-AD、VisA和Real-IAD上的Image-AUC分数分别为97.7%、93.2%和84.5%。该方法使用跨类别、骨干网和数据集的单一固定配置，建立了一种新的最先进的即插即用 无需训练 异常检测，同时保持强大的鲁棒性和实用的可扩展性。