QueCo：面向无训练零样本异常检测的基于查询条件化共识与未验证证据的方法

《Knowledge-Based Systems》：QueCo: Query-Conditioned Consensus over Unverified Evidence for Training-Free Zero-Shot Anomaly Detection

　　

研究人员提出QueCo，一种无训练（training-free）零样本异常检测（zero-shot anomaly detection, ZSAD）框架，通过查询条件化参考共识（query-conditioned reference consensus, QRC）在未验证证据库（unverified evidence bank, UEB）上估计正态性。该方法将整个无标签测试池作为候选证据，不依赖干净正态集、目标域训练或可学习提示优化。研究人员利用特征条件化提示（feature-conditioned prompts）在推理时由查询图像提取视觉原型，条件化冻结CLIP上下文嵌入，生成查询自适应文本原型；同时对每个查询从UEB检索结构相似候选参考，通过运输引导跨图像对应（transport-guided cross-image correspondence, TGC）、互k近邻最大相似（Mutual-kNN MaxSim）过滤与最小支持聚合（minimum-support aggregation, MSA）验证补丁级对应是否结构一致、双向验证且被多参考重复支持。QRC仅接受满足上述条件的支持，避免统一测试池匹配中被复发缺陷或背景相似稀释。最终研究人员将结构共识与语义提示对数经熵加权融合，并施以背景先验校准，输出像素级异常图与图像级异常分数。该方法在MVTec AD与VisA上较现有ZSAD基线提升定位与检测一致性，证明在未验证、可能含异常样本的测试池中，可靠性估计来自每查询的条件化共识而非扩大正态库。

研究背景方面，异常检测（anomaly detection, AD）在工业巡检、医学影像与安全监控中至关重要，但多数方法假设目标域有干净正态集可用。现实场景中新产线缺无缺陷样本、医疗筛查偏倚使可用数据混有离群与复发缺陷，传统无监督AD吸收异常模式降低灵敏度，基于CLIP的零样本异常检测（ZSAD）虽免目标域训练，但手工提示跨图共享、可学习提示在辅助数据上固定后不能适应查询特有细微结构异常，已有无训练方法对整个测试池均匀补丁匹配，在姿态视角光照变化及池内含异常时频率不再可靠。研究人员因此开展无训练ZSAD研究，核心问题不是扩大假定正态的记忆库，而是对每个查询判断哪些参考与补丁对应可靠。该研究发表于《Knowledge-Based Systems》，意义在于首次将未验证测试池明确定位为候选证据而非可信正态源，用查询条件化共识替代均匀匹配，在不知正常比例的池中获得稳定检测。

关键技术方法上，研究人员构建未验证证据库（UEB）缓存全局嵌入、多层补丁特征、DINOv2结构离群分与背景似然先验；提出特征条件化语义提示，由查询补丁的结构离群分、特征中心性与全局对齐门融合得异常似然，选top-k补丁做K-means得正常/异常视觉原型，作为残差注入冻结CLIP上下文槽生成查询自适应文本嵌入；QRC阶段先按全局余弦取top-R参考，再用运输引导跨图像对应（TGC）以外观-位置-背景先验联合代价算Sinkhorn软传输支持，继以Mutual-kNN MaxSim双向秩验证滤除单侧匹配，最后最小支持聚合（MSA）要求至少m_sup个参考超τ_sup支持并取保守顺序统计得补丁正态支持；两分支对数经熵不确定性加权融合，背景先验门控抑假阳。样本仅用MVTec AD与VisA基准测试池，无外部训练集。

研究结果部分，引言指出干净正态不可得时均匀测试池匹配会掩盖异常，Table 1与Fig 1对比显示QueCo是唯一training-free且用目标域无标签池作QRC的方法。Related Work综述视觉语言模型（VLM）全局对齐局限、ZSAD提示固定化缺陷及MuSc均匀互匹配在异质池中被背景竞争稀释，引出UEB+QRC思路。Method中3.1定义未验证池X、UEB B与查询条件候选集N_q，Problem 1形式化无训练ZSAD输出像素图A(x_q)与图像分S_img(x_q)。3.4的UEB存四类信号：全局键g_i?、多层Z_i^(l)、结构离群d_i(p)=1?均值〈f?_i^str(p),f?_i^str(p′)〉、背景先验O_i来自DINOv2片内平均同意度，结论为UEB不假定干净只供候选。3.5特征条件化提示经候选排序（中心性c_q^(l)(p)、全局门f_q^(l)(p)）、top-k_p选取、K-means得P_n^(l),P_a^(l)，以固定α_n=0.1,α_a=0.2,α_g=0.1残差加冻结CLIP上下文得C_n^(l),C_a^(l)，过TextEnc_CLIP得t_n^(l),t_a^(l)，补丁余弦对数L_text层均化，结论为提示随查询视觉证据变而不需辅助训练。3.6的QRC中图像级选top-R参考N_q排除自身；TGC代价C_pr合权重w_s外观、w_p位置、w_o背景差、w_b背景态不符，Sinkhorn得T^*算s_tgc^(l)(p|j)∈[0,1]；Mutual-kNN MaxSim留相互top-k且超τ_mut的r得s_mut^(l)；几何均值得s_hyb^(l)(p|j)；MSA对R参考向量筛τ_sup取至少m_sup个支持再取η顺序统计得视觉正态支持转A_vis^(l)；结论为仅结构对齐、双向验证、多参考重复支持才计为正常证据。融合段以熵权合L_vis,L_text经O_q^full校准出最终A(x_q),S_img(x_q)。

讨论与结论翻译部分，研究人员总结：在未见证、正态比例未知的测试池中，无训练ZSAD的关键不是构造更大正态库而是每查询估计可靠共识；UEB仅存候选，QRC通过TGC、Mutual-kNN MaxSim与MSA拒绝单侧、错配与单参考支持，使异常分不被复发缺陷压制；特征条件化提示补结构共识在语义歧义时的校准且免提示优化；QueCo在training-free前提下同时使用目标域无标签池与目标域无监督分数估计，较WinCLIP、AnomalyCLIP、CRANE、MuSc等在不清洁池设定下定位一致性与图像AUROC更稳。该研究为产线缺正态样本、医疗偏倚池等场景提供不更新参数、不借辅助训练的零样本异常检测路径。