Anchor and Adapt：少样本工业异常检测框架

2026年10月7日，arXiv cs.CV 刊出论文《Anchor and Adapt：面向少样本工业异常检测的非对称提示词适配》，提出一种两阶段提示词学习框架。第一阶段从带标注的辅助数据中学习可迁移的正常锚点与异常锚点；第二阶段固定这些锚点，并用少量目标正常样本适配一个额外的正常分支，从而在无需合成异常样本的情况下完成少样本适配。研究者在 MVTec-AD 与 VisA 两个数据集上开展跨数据集 1-shot、2-shot、4-shot 实验，报告该方法在检测与定位任务上取得有竞争力的性能。目前该事件仅见这一篇报道，尚无后续进展，也未出现互相矛盾的说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。