الكشف غير المُراقب عن الشذوذ مع تحديد الموضع يمتلك العديد من التطبيقات العملية عندما يكون التصنيف غير ممكن، وبخاصة عندما تكون أمثلة الشذوذ مفقودة تمامًا في بيانات التدريب. وعلى الرغم من أن النماذج الحديثة المقترحة لهذه البيئة البياناتية تحقق دقة عالية، إلا أن تعقيد هذه النماذج يظل عائقًا أمام المعالجة في الوقت الفعلي. في هذه الورقة، نقترح نموذجًا قادرًا على المعالجة في الوقت الفعلي، ونُشَقّ علاقاته رياضيًا مع الطرق السابقة. يعتمد نموذجنا CFLOW-AD على إطار عمل التدفق الطبيعي الشرطي، المُعدّ للكشف عن الشذوذ مع تحديد الموضع. وبشكل خاص، يتكون CFLOW-AD من مُشفّر مُدرّب بشكل تمييزي، يتبعه مُفكّك توليدى متعدد المقياس، حيث يُقدّر المُفكّك الأخير بشكل صريح احتمالية الميزات المشفرة. تؤدي هذه المقاربة إلى نموذج فعّال من حيث الحوسبة والذاكرة: فـ CFLOW-AD أسرع وأصغر بنسبة 10 أضعاف مقارنة بالحالة المتطورة السابقة، مع نفس إعدادات الإدخال. أظهرت تجاربنا على مجموعة بيانات MVTec أن CFLOW-AD يتفوّق على الطرق السابقة بنسبة 0.36% في مقياس AUROC في مهمة الكشف، وبنسب 1.12% و2.5% على التوالي في مهام التحديد، وذلك باستخدام مقياس AUROC وAUPRO. ونُعلن عن إتاحة كودنا مفتوح المصدر مع تجارب قابلة لإعادة الإنتاج الكامل.