Flownomaly少样本工业异常检测论文发布

2026年10月26日，arXiv Computer Vision 刊出 Bernardo Perrone Ribeiro 等作者的论文，提出 Flownomaly 少样本工业异常检测方法。报道称，该方法把少样本工业异常检测转化为冻结 DINOv2 特征空间中的正常对应物恢复，并通过条件流匹配学习速度场，单步即可得到正常 token 的后验均值，无需轨迹积分。目前公开信息仅涉及论文发布及方法原理，尚无实验数据、对比结果或应用反馈的报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。