مع التطورات الحديثة في الشبكات العصبية العميقة، أصبح الكشف عن الشذوذ في الوسائط المتعددة موضوعًا يلقى اهتمامًا كبيرًا في مجتمع رؤية الحاسوب. وعلى الرغم من أن الطرق القائمة على إعادة البناء أظهرت مؤخرًا إمكانات كبيرة في الكشف عن الشذوذ، إلا أن التكافؤ في المعلومات بين المدخلات والمنبهات المطلوبة لمهام إعادة البناء لا يمكنه بالفعل إجبار الشبكة على تعلم تمثيلات مميزة ذات معنى (semantic feature embeddings). ولهذا، نقترح كسر هذا التكافؤ من خلال حذف سمات محددة من البيانات الأصلية وإعادة صياغة المهمة كمهمة استعادة، بحيث يُتوقع أن تكون البيانات الطبيعية والشاذة قابلة للفصل بناءً على أخطاء الاستعادة. وبإجبار الشبكة على استعادة الصورة الأصلية، تتعلم الشبكة تمثيلات مميزة ذات معنى مرتبطة بالسمات المحذوفة. وفي مراحل الاختبار، وبما أن البيانات الشاذة تُستعاد باستخدام السمات التي تعلمتها من البيانات الطبيعية، يُتوقع أن تكون أخطاء الاستعادة كبيرة. أظهرت التجارب الواسعة أن الطريقة المقترحة تتفوق بشكل ملحوظ على عدة طرق حديثة متميزة في مجموعة من مجموعات البيانات القياسية، وخاصة على ImageNet، حيث زادت قيمة AUROC للنموذج الأفضل أداءً بنسبة 10.1٪. كما قمنا بتقييم طريقة العمل لدينا على مجموعة بيانات واقعية للكشف عن الشذوذ (MVTec AD) وعلى مجموعة بيانات للكشف عن الشذوذ في الفيديو (ShanghaiTech).