Dans ce rapport technique, nous présentons brièvement notre solution pour la piste Zero/Few-shot du défi Visual Anomaly and Novelty Detection (VAND) 2023. Dans le cadre de l’inspection visuelle industrielle, concevoir un modèle unique capable d’être rapidement adapté à de nombreuses catégories, sans images de référence normales ou avec seulement quelques-unes, représente une voie de recherche prometteuse. Cela s’explique principalement par la grande diversité des types de produits. Pour la piste zero-shot, nous proposons une approche fondée sur le modèle CLIP, complétée par des couches linéaires supplémentaires. Ces couches permettent de projeter les caractéristiques d’image dans l’espace d’embedding conjoint, afin de les comparer aux caractéristiques textuelles et ainsi générer des cartes d’anomalie. Par ailleurs, lorsque des images de référence sont disponibles, nous utilisons plusieurs banques de mémoire pour stocker leurs caractéristiques, que nous comparons aux caractéristiques des images de test pendant la phase d’évaluation. Dans ce défi, notre méthode a obtenu la première place sur la piste zero-shot, notamment en segmentation, avec une amélioration remarquable du score F1 de 0,0489 par rapport au participant classé deuxième. En outre, sur la piste few-shot, nous avons obtenu la quatrième place au classement général, avec un score F1 en classification de 0,8687, le meilleur résultat parmi toutes les équipes participantes.