来自动识别产品中的缺陷或异常。然而，这些基于 CNN 的方法通常需要大量的标注样本来训练模型，尤其是需要大量的正 常样本来学习正常情况下的产品特征。在实际应用中，这种对大量样本的依赖往往是不现实的，特别是在涉及用户数据隐私 保护或新生产线快速部署的场景中。 为了解决这一问题，零样本或少样本异常检测 (ZSAD or FSAD) 目标是在没有或仅有极少量目标类别样本的情况下，依然 能够有效地执行异常检测任务。这要求模型具备一定