HiDist：面向零样本异常检测的层次化知识引导分布提示学习

HiDist 提出一种以正常样本为参照的层次化分布提示框架，用于零样本异常检测。该方法用对角高斯分布建模每个提示 token，并通过蒙特卡洛采样生成随机提示变体，将异常提示分布参数化为对正常参照的偏离，再分别特化为图像级检测与像素级定位的全局和局部表示。在七个工业与医学数据集上，HiDist 在异常检测和定位任务上均表现出较强的跨数据集性能。