在工业加工过程中，由于不可控因素的影响，产品可能出现意料之外的缺陷。尽管无监督方法在缺陷定位方面已取得成功，但通常采用预训练模型会导致输出分辨率较低，从而影响视觉表现效果。为解决这一问题，我们提出PyramidFlow——首个无需预训练模型的全归一化流方法，实现了高分辨率的缺陷定位。具体而言，我们提出了一种基于潜在模板的缺陷对比定位范式，以降低类内差异，其效果与预训练模型相当。此外，PyramidFlow采用类似金字塔结构的归一化流进行多尺度融合，并引入体积归一化机制，以增强模型的泛化能力。在MVTecAD数据集上的全面实验表明，所提出的方法在不依赖外部先验信息的情况下，性能优于现有对比算法，甚至在更具挑战性的BTAD场景中达到了当前最优水平。