目前的零样本异常检测 （ZSAD） 方法在促使大型预先训练的视觉语言模型在不使用任何特定于数据集的训练或演示的情况下检测目标数据集中的异常方面取得了显著的成功。然而，这些方法通常集中在制作/学习提示上，这些提示只捕捉异常的粗粒度语义，例如，地毯上的“损坏”、“不完美”或“有缺陷”等高级语义。因此，它们在识别具有独特视觉外观的各种异常细节方面的能力有限，例如，地毯上的色渍、割伤、孔洞和线等特定缺陷类