نقدم مهمة ذاتية الإشراف بسيطة وواضحة، وهي الشذوذات الطبيعية الاصطناعية (NSA)، لتدريب نموذج من النهاية إلى النهاية لاكتشاف وتحديد المواقع الشاذة باستخدام بيانات التدريب الطبيعية فقط. تدمج NSA تحرير الصور بوساطة بواسون لدمج الأقسام المُقاسَّة بأحجام مختلفة من صور منفصلة بطريقة سلسة. هذا يخلق مجموعة واسعة من الشذوذات الاصطناعية التي تكون أكثر شبهاً بالتشوهات الفرعية الطبيعية في الصور مقارنةً بالاستراتيجيات السابقة لتقويم البيانات الذاتي للشذوذ. قمنا بتقييم الطريقة المقترحة باستخدام صور طبيعية وطبية. أظهرت تجاربنا مع مجموعة بيانات MVTec AD أن نموذجًا تم تدريبه على تحديد مواقع الشذوذات NSA يعمم بشكل جيد لاكتشاف عيوب التصنيع الحقيقية غير المعروفة مسبقًا. حققت طريقتنا معدل اكتشاف AUROC إجمالي قدره 97.2، مما يتفوق على جميع الطرق السابقة التي تتعلم دون استخدام مجموعات بيانات إضافية. الكود متاح على الرابط: https://github.com/hmsch/natural-synthetic-anomalies.