文本对少样本与全样本视觉语言异常检测究竟贡献了什么？

研究追问视觉语言异常检测器从文本提示中读取的究竟是语义内容、有效尺度还是锚点几何。对单一锚点对，得分只通过锚点差值读取，训练后的适配器可旋转跟随任意替换方向，语义内容不可识别；相同差值长度的替换锚点可产生完全相同的概率图与可达损失。在七个医学数据集、三个视觉骨干、两种监督设置和三类适配器上，尺度匹配的随机与正交锚点表现与正确提示相当，打破尺度匹配则出现差距，恢复尺度即可弥合。