一次前向传播抓出异常：RADIOlogy 给零样本异常检测“做减法“
经验分享
AI工具
摘要
文章介绍了一种基于多头注意力池化的视觉语言模型方法RADIOlogy，用于零样本异常检测。该方法通过一次前向传播即可定位异常，无需训练、掩码或参考图，旨在减少滑窗算力消耗和标注成本，且性能超过现有免训练基线。文中附有开源代码和落地建议，便于读者快速实践完整项目。
想搞定零样本异常检测，却困在滑窗算力和标注成本之间？这篇文章告诉你：基于多头注意力池化的视觉语言模型，一次前向传播就能定位异常，无需训练、无需掩码、无需参考图，性能还反超现有免训练基线。🎯 附开源代码和落地建议，帮你快速跑通一个能写进简历的完整项目。
转载信息
原文：
一次前向传播抓出异常：RADIOlogy 给零样本异常检测“做减法“
（2026-11-11 21:00）
作者：
yweng18
分类：
技术
0
0
118
评论 (0)
请 登录 后发表评论
暂无评论，来留下第一条评论吧