يُعد كشف الشذوذ مشكلة شائعة تُعالج ضمن إطار تصنيف فئة واحدة، حيث يمكن للنماذج التعلم فقط من عينات تدريب طبيعية، وتُختبر على عينات تجريبية طبيعية وشاذة على حد سواء. من بين الطرق الناجحة لكشف الشذوذ، تمثل فئة متميزة من الأساليب تلك التي تعتمد على توقع المعلومات المُغطاة (مثل القطع، الإطارات المستقبلية، إلخ)، واستخدام خطأ إعادة البناء بالنسبة للمعلومات المُغطاة كمقياس للشذوذ. على عكس الأساليب ذات الصلة، نقترح دمج الوظيفة القائمة على إعادة البناء في مكوّن معماري ذاتي التدريب جديد. يتميز المكوّن الذاتي التدريب المُقترح بالعامة، ويمكن دمجه بسهولة في مجموعة متنوعة من الأساليب الرائدة في كشف الشذوذ. يبدأ المكوّن بطبقة تلافيفية باستخدام مرشحات مُتَوسّعة، حيث يتم تغطية المنطقة المركزية لمجال الاستجابة. ثم تمر خرائط التنشيط الناتجة عبر وحدة انتباه القناة. ويُزوّد المكوّن بدالة خسارة تقلل من خطأ إعادة البناء بالنسبة للمنطقة المُغطاة داخل مجال الاستجابة. ونُظهر عامة المكوّن من خلال دمجه في عدة أطر رائدة لكشف الشذوذ في الصور والفيديوهات، مما يوفر أدلة تجريبية تُظهر تحسينات كبيرة في الأداء على مجموعات بيانات MVTec AD، Avenue، وShanghaiTech. ونُطلق كودنا كمصدر مفتوح على الرابط التالي: https://github.com/ristea/sspcab.