3月28日，中国科学院西安光机所发布了一则消息。该所光谱成像技术研究室研究员王荃团队，在计算机视觉领域取得了一项突破性进展。他们提出了一种全新的零样本异常检测方法，将模型的能力提升到了一个新的高度。王荃团队的研究成果不仅能在不依赖海量异常样本标注数据的情况下实现复杂场景中微小异常的精准检测与定位，还成功地解决了传统方法在这些场景中的困境。据悉，相关成果已经被第43届计算机视觉与模式识别会议（CVPR 2026）接收。FB-CLIP是王荃团队此次提出的一种新型框架。团队成员胡明介绍，FB-CLIP让模型能更精准地聚焦目标区域、更灵活地理解异常语义并作出判断。在视觉建模方面，这个框架设计了专门机制将图像中的前景目标与背景分离，抑制背景干扰。给模型一个更精准专注于异常区域的机会。同时，在文本建模上还综合运用多种策略提取图像特征，让模型对“什么是异常”理解得更精细、更灵活。跨模态对齐方面引入语义一致性的训练原则。增强图像与文本之间的匹配可信度，拉开正常与异常样本的判别距离。这个研究成果在工业质检和医学影像分析等应用场景中具有重要意义。胡明表示，FB-CLIP不仅能在工业检测任务中帮助发现产品瑕疵等问题，还能给医学影像分析领域带来新的突破。因为武汉大学中南医院与团队合作开展验证工作已提上日程。而西安市重点实验室也给予了支持，为该研究提供了坚实基础。王荃团队长期从事计算机视觉与生物医学成像、脑机智能等交叉领域的研究，并取得了一系列重要进展。这次研究还得到了陕西省技术创新引导计划项目、湖北省自然科学基金以及中国科学院和西安市重点实验室的支持。 此外，胡明告诉记者：“我们这次是为了解决像基于CLIP这样的视觉—语言模型零样本异常检测方法中存在的一些问题而提出FB-CLIP框架。”FB-CLIP通过给模型专门设计机制来处理前景目标和背景分离等问题。“这样就能给模型一个更准确的异常检测能力”。胡明提到了多个工业检测和医学影像数据集上的实验结果都展示出了优异性能。“特别是在高精度的异常定位任务中表现突出”，达到了国际领先水平。 这个研究成果有望在医学影像辅助诊断和工业缺陷检测等领域发挥实际作用。对于未来计划，“我们将和武汉大学中南医院合作进一步探索其在现实场景中的适用性”。胡明补充道。