الكشف غير المراقب عن الشذوذ في بيانات الصور معروف بكونه غير مستقر بشكل ملحوظ. نعتقد أن السبب في ذلك يكمن في أن العديد من كاشفات الشذوذ الكلاسيكية تفترض ضمنًا أن البيانات من أبعاد منخفضة. ومع ذلك، فإن بيانات الصور دائمًا من أبعاد عالية. يمكن تحويل الصور إلى تمثيل ثنائي أبعاد منخفض، لكن هذه التحويلات تعتمد على تحولات عالمية تُقصي التغيرات الطفيفة. وبما أن الشذوذ نادر الحدوث، فإن التمثيل النهائي غالبًا ما يفتقر إلى التغيرات الأساسية الضرورية لتمييز الشذوذ عن الحالات العادية. تقدم هذه الورقة تمثيلًا جديدًا يعتمد على مجموعة من التحويلات المحلية للتغيرات في البيانات، بحيث يكون كل تحويل مسؤولًا عن الحفاظ على التغيرات التي تميز مجموعة محلية من الحالات عن جميع الحالات الأخرى. يضمن التمثيل المتغير محليًا الحفاظ على التغيرات التي تميز الشذوذ، في الوقت نفسه يسمح باستنتاج إحصائي لاحتمال أن تعود حالة ما إلى مجموعة معينة، بناءً على التحويل أحادي البعد المحلي المرتبط بتلك المجموعة. وعندما يتم تجميع إحصائيًا احتمالات انتماء حالة ما إلى مجموعات مختلفة، يتم إنشاء قياس عالمي لانتمائها إلى مجموعة البيانات، مما يؤدي إلى ظهور الشذوذ كحالات ذات درجات انتماء مفاجئة ومنخفضة.