أظهرت الطرق القائمة على المهام البديلة (surrogate task) مؤخرًا إمكانات كبيرة في الكشف عن الشذوذ في الصور بدون تدريب مُشرَف. ومع ذلك، لا توجد ضمانة بأن تتقاسم هذه المهام البديلة نفس اتجاه التحسين مع مهمة الكشف عن الشذوذ. في هذا البحث، نعود إلى دالة هدف مباشرة للكشف عن الشذوذ باستخدام نظرية المعلومات، والتي تُعظم الفرق بين البيانات الطبيعية والشاذة من حيث التوزيع المشترك للصور وتمثيلاتها. للأسف، لا يمكن تحسين هذه الدالة مباشرة في البيئة غير المُشرَفَة، حيث لا تُقدَّم بيانات شاذة أثناء التدريب. من خلال التحليل الرياضي لهذه الدالة، نتمكن من تفكيكها إلى أربعة مكونات. ولتحقيق التحسين بطريقة غير مُشرَفَة، نوضح أنه ضمن افتراض أن توزيع البيانات الطبيعية والشاذة يمكن التمييز بينها في الفضاء المخفي، يمكن اعتبار الحد الأدنى لدالتنا كدالة تُوزِّع التوازن بين المعلومات المتبادلة (mutual information) والانتروبيا (entropy). تُفسر هذه الدالة الهدف بشكل منطقي لماذا تكون الطرق القائمة على المهام البديلة فعالة في الكشف عن الشذوذ، كما تُشير إلى الاتجاهات المحتملة للتحسين. استنادًا إلى هذه الدالة، نُقدِّم إطارًا معلوماتيًا جديدًا للكشف عن الشذوذ في الصور بدون تدريب مُشرَف. وقد أظهرت تجارب واسعة أن الإطار المقترح يتفوق بشكل ملحوظ على عدة طرق حديثة متقدمة على مجموعة متنوعة من مجموعات البيانات القياسية.