産業分野の外観検査では高精度な異常検知が不可欠であるが，実環境では異常データの収集が困難なため正常データのみを用いる教師なし手法が主流である．近年は追加学習を要しないVLMベースの手法も注目されているものの，モデルサイズが大きく推論コストが高いため産業現場への導入は容易ではない．そこで本研究では，より軽量な視覚特化型基盤モデルであるDINOv2に着目し，そのパッチ特徴とグローバル特徴を統合して局所的外観変化と画像全体の整合性の双方を評価可能な異常スコアを導入する手法を提案する．