深度学习论文: DictAS: A Framework for Class-Generalizable Few-Shot Anomaly Segmentation via Dictionary LookupDictAS: A Framework for Class-Generalizable Few-Shot Anomaly Segmentation via Dictionary LookupPDF:https://arxiv.org/pdf/2508.13560PyTorch代码: https://github.com/shanglianlm0525/CvPytorchPyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks一、前言：工业/医学缺陷检测的行业痛点在工业质检、医学影像病灶分割场景中，有两大棘手难题：类依赖方案落地成本高：传统PromptAD这类方法，每一类产品/病种都要单独微调模型，产线换零件、新增病种就要重新训练，泛化性极差；现有CLIP通用方法存在短板：WinCLIP、APRIL-GAN
深度学习论文: DictAS: A Framework for Class-Generalizable Few-Shot Anomaly Segmentation via Dictionary LookupDictAS: A Framework for Class-Generalizable Few-Shot Anomaly Segmentation via Dictionary LookupPDF:https://arxiv.org/pdf/2508.13560PyTorch代码: https://github.com/shanglianlm0525/CvPytorchPyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks一、前言：工业/医学缺陷检测的行业痛点在工业质检、医学影像病灶分割场景中，有两大棘手难题：类依赖方案落地成本高：传统PromptAD这类方法，每一类产品/病种都要单独微调模型，产线换零件、新增病种就要重新训练，泛化性极差；现有CLIP通用方法存在短板：WinCLIP、APRIL-GAN
