نقدّم إطارًا جديدًا لنمذجة توزيع القطع، يُسمّى PaDiM، للكشف عن الشذوذ وتحديد موقعه في الصور في بيئة تعلّم من فئة واحدة، بشكل متزامن. يستخدم PaDiM شبكة عصبية متعددة الطبقات مُدرّبة مسبقًا (CNN) لتمثيل القطع، ويستند إلى توزيعات غاوسيّة متعددة المتغيرات للحصول على تمثيل احتمالي للصورة الطبيعية. كما يستغل الارتباطات بين المستويات المختلفة المعجمية للشبكة العصبية لتحسين دقة تحديد موقع الشذوذ. وقد تفوّق PaDiM على أحدث الطرق المُنتشرة من حيث الكفاءة في الكشف عن الشذوذ وتحديد موقعه على مجموعتي بيانات MVTec AD وSTC. ولتماشيًا مع عمليات الفحص الصناعي البصري في العالم الحقيقي، قمنا بتوسيع بروتوكول التقييم لتقييم أداء خوارزميات تحديد الشذوذ على مجموعات بيانات غير مُنسَّقة. وتجدر الإشارة إلى أن الأداء العالي المُسجّل من قبل PaDiM، إلى جانب بساطة بنية الخوارزمية، يجعله مرشحًا ممتازًا لعدة تطبيقات صناعية.