HiDist：零样本异常检测新框架提出

2026年10月19日，arXiv Computer Vision 刊出 Jiyul Ham 等作者的论文，提出名为 HiDist 的层次化知识引导分布提示学习框架，用于零样本异常检测（ZSAD）。据该报道，HiDist 以正常样本为参照：用对角高斯分布建模每个提示 token，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。报道称，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。目前该事件仅有这一篇主报道，尚无跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。