우리는 비지도 3D 이상 탐지 문제를 해결하기 위해 모양을 기반으로 하는 전문가 학습 프레임워크를 제안한다. 본 방법은 두 개의 전문화된 전문가 모델의 효과성과 그 상호작용을 기반으로 하며, 색상 및 모양 모달리티로부터 이상 영역을 정확히 위치시키는 데 초점을 맞춘다. 첫 번째 전문가는 국소적 형태 주변의 은닉 거리 필드를 모델링함으로써 기하학적 정보를 활용하여 3D 구조적 이상을 탐지한다. 두 번째 전문가는 첫 번째 전문가와 연계된 2D RGB 특징을 고려하여 국소적 형태 위의 색상 외관의 비정상성을 식별한다. 본 연구에서는 두 전문가 모델을 활용하여 이상이 없는 학습 샘플로부터 이중 메모리 벡터를 구축하고, 모양을 기반으로 한 추론을 수행하여 테스트 샘플 내의 결함을 정밀하게 탐지한다. 점별 3D 표현과 보완적인 모달리티 간의 효과적인 융합 방식을 통해, 본 방법은 MVTec 3D-AD 데이터셋에서 최신 기준을 초월하는 성능을 효율적으로 달성하며, 실제 응용에서 선호되는 높은 재현율과 낮은 거짓 긍정률을 동시에 실현하였다.