EntroAD：基于结构熵引导的零样本异常检测提示适配
计算机视觉与模式识别
2026-05-28 v1 多媒体
摘要
零样本异常检测（Zero-Shot Anomaly Detection, ZSAD）旨在无需目标域适配的情况下检测目标域中的异常。最近的 CLIP-based 方法通过利用提示学习和视觉-文本对齐显示出有前景的性能。然而，大多数现有方法依赖单一适配路径，这可能不足以应对跨域中异构异常模式。实际情况下，异常 exhibits 出极其不同的特征， ranging from 显著、局部结构性破坏到微妙、扩散且不规则的变化。为此，我们提出了 EntroAD，一个结构熵引导的零样本异常检测框架。不同于以往方法，EntroAD 引入动态路由机制，以针对不同类型的异常使用专门的适配策略。具体而言，我们从自注意力引起的 patch 关系中估计 patch 级别的结构熵，并将其作为关系不确定性的代理，以引导异常感知 token 路由。基于此路由信号，我们构建异常感知路由 token 以更好地捕获具有不同结构特征的异常线索。我们进一步引入置信度感知的双分支提示适配模块，以稳定视觉-文本对齐，同时保留 CLIP 的可迁移先验。广泛的实验表明，在挑战性的跨数据集 ZSAD 设置中，EntroAD 实现了零样本异常检测的领先性能。
引用
@article{arxiv.2605.28630,
title = {EntroAD: Structural Entropy-Guided Prompt Adaptation for Zero-Shot Anomaly Detection},
author = {Xinyu Zhao and Qingyun Sun and Jiayi Luo and Jianxin Li},
journal= {arXiv preprint arXiv:2605.28630},
year = {2026}
}