VerdictAD在现实工业检测中，识别缺陷通常仅需从每类图像中的少数正常样本中学习。近期的少样本异常检测方法通过测量查询图像与正常参考图像之间的特征差异，已取得良好性能。然而，视觉差异并不总能反映真实缺陷，因为正常的外观变化也可能导致较高的异常得分。相反，结构或逻辑上的异常可能不会产生明显的局部特征差异，从而难以被检测到。为克服这一局限性，我们提出了一种无需训练的框架VerdictAD，它通过视觉决策对现有异常检测器进行优化。与替代现有检测器不同，VerdictAD采用一种类型化的决策模型，将查询图像及其局部区域与少量正