可视化的异常检测

冻结模型应当保留、路由并信任哪些参考证据？

我固定表征不变，研究决定哪些正常证据能到达最终异常分数的那些决策。下面每个阶段都是其中一个决策。向下滚动，观看它如何发生。

交互场景是 768 维计算的二维示意；数值按所示规则实时更新。

01 固定表征 · ProCon

一张图像变成 784 个 token

冻结的 DINOv2 ViT-B/14 把 392 × 392 图像编码为 28 × 28 的 768 维补丁 token，并取多个深度。没有任何训练；下游所有工作都是在决定正常 token 如何被收集、保留、检索与比较。

F_{ℓ} (x) = f_{ℓ} (x) \in R^{P \times C}, P = 28 \cdot 28, C = 768, ℓ \in {- 3, - 6, - 8, - 9}

上方的开场动画即此步骤：像素 → 补丁网格 → 特征空间中的 token。红色 token 是与真值裂纹重叠的单元。

784 tokens · 0 overlap the annotated cut

02 候选证据 · 资格 · CLEANCON

哪些训练图像有资格参与

在存储任何东西之前，候选池本身就是一个决策。CLEANCON 用二十个袋外支持库的软投影残差，衡量其他训练图像解释某张图像的程度，只把分数较低的一半交给不变的记忆构建器。检测器、构建器与最终记忆容量都不改变。

a_{i} = TopMean_{0.5%} (median_{b} r_{i, p, b}), T = {i : a_{i} \leq median_{j} a_{j}}

三张污染图像排到最前，中位数门控将其剔除。提高保留率会有一张重新进入，但论文中 P-AP 在最干净点之后仍持续上升：纯度本身并不能为有用的记忆排序。

保留率 R = 50%

03 候选证据 · 缺失的支持 · BoundarySupport

干净图像遗漏了缺陷旁的正常补丁

即使候选池完全干净，也可能不完整。缺陷图像的大多数补丁仍是正常的，但紧邻缺陷的正常补丁处在任何干净图像都无法提供的语境中，因而没有参照。BoundarySupport 有意制造这种语境：向干净图像插入合成缺陷，排除插入与混合触及的全部 token，只保留像素保持不变的环带作为新的正常证据。

C = P (A) \cup P (D), R = Dilate (P (A), 2) ∖ C

插入区 A、混合像素 D、排除集 C，以及保留环 R。在 MVTec 固定记忆预算下，真实缺陷周围同样的环带恢复了 94.7% 的先知增益。

步骤

04 保留 · CLEANCON

只保留少量正常 token 作为参照

存储全部候选 token 太慢，PatchCore 类流程保留一个核心集：贪心最远优先选择，用 K 个中心覆盖特征空间。覆盖偏爱稀有点。若少量异常图像越过了门控，其稀有 token 恰恰是选择器最先抓取的对象。

μ_{t} = ar g q max s < t min ∥ q - μ_{s} ∥^{2}, A_{K} = \frac{p _{mem}}{p _{pool}}

调节预算并切换选择器。随机选择使污染保持在池内比例（A_K ≈ 1）；全局最远优先则把污染成倍拉入记忆，正如 CLEANCON 在 1% 预算下测得的 16 至 40 倍。

记忆预算 2% (K = 16)

选择器

05 路由 · GCR

按几何选择检测头，而不是按异常分数

类别依次到来且测试图像无标签时，检测器必须先选择类别头，然后才能比较任何东西。跨头比较异常分数并不稳定：尺度不同，缺陷也可能翻转选择。GCR 用少量采样补丁的平均最近原型距离路由，然后只在该头内评分。

r_{c} (x) = \frac{1}{M _{r}} p \in P_{r} \sum k min ∥ q_{p} - μ_{c, k} ∥^{2}, \overset{c}{^} = ar g c min r_{c} (x)

从一张属于头 2 且含四个缺陷补丁的图像中采样 32 个补丁。均值准则路由正确；对峰值敏感的 top-q 准则被拖向相邻的宽泛检测头。

06 比较与信任 · ProCon

一个邻近锚点并不足够

最近邻评分只问是否存在一个邻近的正常锚点。有缺陷的补丁可能恰好落在某个孤立锚点旁而被判为正常，即假正常匹配。ProCon 改为询问补丁能否由其局部正常邻域重建：按距离加权 k 个锚点，并对投影残差评分。

w_{j} \propto exp (- ∥ z - m_{j} ∥^{2} / τ), \overset{z}{^} = j \sum w_{j} m_{j}, r = ∥ z - \overset{z}{^} ∥

(k = 1 \Rightarrow r = s_{NN})

移动鼠标即可移动测试 token。按下预设按钮把它停在孤立锚点旁：虚线的硬最近邻距离仍然很小，而残差骤增。把 k 设为 1，两条规则重合。

邻居数 k = 5

07 共识 · ProCon

信任峰值之前先跨记忆达成一致

单个核心集取决于一次特定的锚点选择，不走运的选择会制造虚假峰值。ProCon 为每个深度构建 B 个随机种子扰动的记忆库，对残差取中位数，再对各深度对齐后的残差图取均值。融合发生在每个库与每一层都产出同一量之后。

S_{ℓ} (p) = median_{b} R_{ℓ, b} (p), S_{map} (p) = \frac{1}{∣ L ∣} ℓ \sum S_{ℓ} (p)

库 2 含有一个假峰。min 能去掉它却也削弱真实缺陷；mean 让它泄漏；median 去掉它的同时保留了共同的缺陷。

库规则

08 决策 · StructCore

取最大值会丢掉信息

图像级判断通常取异常图的最大值。最大值相同的两张图可以结构完全不同：正常图像上孤立的虚假峰值，与缺陷图像上分散、重尾的证据。StructCore 用三个数描述每张图，在正常图上标准化，并报告最强的校准偏差。

ϕ (S) = [σ_{S}, TopMean_{r} (S), TV (S)], z = (ϕ - μ) / σ

D_{struct} = ∥ z ∥_{\infty}, S_{hyb} = S_{base} + λ D_{struct}

两张图被缩放到相同最大值，因此最大池化无法区分。增大缺陷范围，观察结构分数在最大值不变的情况下拉开差距。

缺陷范围 3

09 下游发生了什么变化？

下游发生了什么变化？

上面的每个阶段都是一次受控干预：表征、记忆预算、检测器与读出规则保持不变，只改变一个决策。以下是各论文实际测得的后果。

CLEANCON02 · 04
按袋外支持分数筛选候选图像；构建器与记忆容量不变。
记忆污染率
之前6.5%
之后0.0%
部署记忆中的污染降至零，类别宏平均 P-AP 在全部 12 个匹配比较中上升。但最干净的记忆并非最佳：R80 在 12 个比较中全部胜过 R50。
BoundarySupport03
同一预算、同一检测器、同一编码器，只改变候选补丁的身份。
P-AP
之前73.3
之后77.0
MVTec P-AP 从 73.34 升至 76.95，缺陷两格以内的补丁恢复了 94.7% 的增益。
GCR05
用共享原型几何路由，而不是跨检测头比较异常分数。
遗忘 (I-FM)
之前0.010
之后0.0
在任务无关的持续评估下，MVTec AD 与 VisA 上的遗忘降至 0.000，且完全不做表征学习。
ProCon06 · 07
用局部重建取代单一最近锚点，再跨记忆库与深度达成共识。
P-AP
之前67.4
之后73.0
沿消融阶梯，MVTec P-AP 在固定 1% 核心集下从 67.4 升至 73.0，图像 AUROC 从不倒退。
StructCore08
同一异常图，不同的图像级读出。
图像 AUROC
之前98.7
之后99.6
MVTec AD 图像 AUROC 从 98.7 升至 99.6，VisA 从 97.6 升至 98.4，而所有定位指标完全不变。

真实缺陷上的一个例子

阶段 06 与 07 的阶梯在 MVTec AD 上的表现

ProCon 的真实输出而非示意渲染：同一图像上的硬最近邻记忆、软投影记忆，以及带层共识的完整方法。

异常图来自 ProCon 论文图 5（MVTec AD 示例）。

一个研究计划，五个决策

哪些正常证据可用，其中保留哪些，查询哪个参照系统，如何比较并信任一个参照，以及补丁证据如何成为决策。

2026
CLEANCON
覆盖驱动的记忆选择会放大稀疏污染吗？纯度能解决问题吗？
全局覆盖把污染放大 16 至 40 倍。袋外门控能清除污染并带来提升，但最干净的记忆并不是最好的记忆。
论文代码
2026
BoundarySupport
干净图像包含检测器需要的全部正常补丁吗？
不包含。真实缺陷旁的正常补丁在干净图像池中缺失。改变干净图像的周边语境、只保留像素不变的邻域即可补回它们。
论文代码
2026
GCR
类别持续到来时，冻结检测器如何选对检测头？
在共享空间中按平均最近原型距离路由，再只在该头内评分。失败根源是路由不稳定，而不是遗忘。
论文代码
2026
ProCon
一个邻近的正常锚点足以证明正常吗？
不够。软局部投影把记忆检索变成无解码器重建；经记忆库与深度共识稳定后的投影残差才是异常证据。
论文代码
2026
StructCore
最大的补丁响应就是正确的图像级判断吗？
并非单独如此。用三维结构描述子在正常图上标准化，再以切比雪夫规则读取，可补回最大池化丢弃的证据。
论文代码

图像：MVTec AD（Bergmann 等，CVPR 2019；CC BY-NC-SA 4.0）及作者 ProCon 仓库中的图表。交互场景为示意，使用合成的二维数据。

冻结模型应当 保留、路由并信任哪些参考证据？