在实时计算机视觉应用中，开发一种准确且高效的异常检测模型是一项重要任务。现有研究多致力于构建单一模型，以检测结构异常或逻辑异常，而这两类异常在本质上具有显著差异。大多数现有方法隐含地假设异常可通过识别异常位置来表征。然而，我们指出，诸如物体数量错误等逻辑异常难以通过空间特征图有效表达，因而需要采用替代性方法。此外，本文重点探讨了在聚合了特征图空间信息的特征空间中，利用分布外（out-of-distribution, OOD）检测方法识别逻辑异常的可能性。作为验证，我们提出一种方法，将简单的特征空间分布外检测机制与当前最先进的基于重建的异常检测方法进行对比。尽管所提方法结构简单，但我们的方法——PUAD（可图示与不可图示异常检测）在MVTec LOCO AD数据集上取得了当前最优的检测性能。