本文核心贡献如下：挑战主流范式：首次系统论证零样本异常检测中文本分支并非必要，纯视觉即可学习判别性异常特征。提出VisualAD框架：在冻结ViT中直接插入可学习的正常与异常标记，通过多层自注意力交互编码高层异常语义。设计SCA+SAF模块：空间感知交叉注意力注入细粒度空间证据，自对齐函数非线性重校准图像块特征，实现精准定位。性能全面领先：在13个工业和医学基准上达SOTA，参数量较CLIP方案减少99%，跨域泛化能力优异。博主简介​AI小怪兽 | 计算机视觉布道者 | 视觉检测领域创新者深耕计算机视觉与深度学习领域，专注于视觉检测前沿技术的探索与突破。长期致力于YOLO系列算法的结构性创新、性能极限优化