画像中の異常検出は、学術界と産業界の両方で広く研究されている問題となっています。最先端のアルゴリズムは、ますます困難な状況やデータモダリティでの欠陥検出が可能となっています。しかし、現在の大多数の手法は、異なる姿勢から撮影された3Dオブジェクトに対応するのに適していません。Neural Radiance Fields（NeRFs）を用いた解決策が提案されていますが、過度な計算量が必要となり、実世界での利用に支障をきたしています。このため、我々は新しい3Dガウススプラッティングに基づくフレームワークSplatPoseを提案します。このフレームワークは、3Dオブジェクトの多視点画像が与えられた場合、未見の視点における姿勢を微分可能な方法で正確に推定し、その中での異常を検出することができます。我々は、競合する手法よりも少ない訓練データを使用しても、訓練と推論速度および検出性能において最先端の結果を達成しています。最近提案されたPose-agnostic Anomaly Detectionベンチマークとその多視点異常検出（MAD）データセットを使用して、我々のフレームワークを詳細に評価しました。