# RADIOlogy异常检测框架

零样本异常检测此前多依赖 CLIP 的滑窗多尺度推理，或需要辅助数据集的分割掩码做提示学习。RADIOlogy 利用多头部注意力池化编码器天然保留的图块—文本对齐，用正常与异常提示的平均相似度差做对比打分，一次前向即给出图像级异常分数与像素级异常图。在七个工业与七个医学基准上，其训练无关设置下的平均图像 AUROC 为工业 92.6、医学 97.3，像素 AUROC 为工业 95.2、医学 87.3。

零样本异常检测此前多依赖 CLIP 的滑窗多尺度推理，或需要辅助数据集的分割掩码做提示学习。RADIOlogy 利用多头部注意力池化编码器天然保留的图块—文本对齐，用正常与异常提示的平均相似度差做对比打分，一次前向即给出图像级异常分数与像素级异常图。在七个工业与七个医学基准上，其训练无关设置下的平均图像 AUROC 为工业 92.6、医学 97.3，像素 AUROC 为工业 95.2、医学 87.3。