摘要
近年来，随着深度神经网络的快速发展，多媒体中的异常检测在计算机视觉领域受到广泛关注。尽管基于重建的方法在异常检测任务中展现出巨大潜力，但重建任务中输入数据与监督信号之间的信息等价性，难以有效促使网络学习到具有语义意义的特征表示。为此，本文提出打破这种信息等价性：通过从原始数据中擦除选定的属性，并将任务重新定义为恢复（restoration）任务，使得正常样本与异常样本能够基于恢复误差实现有效区分。通过强制网络恢复原始图像，网络将学习到与被擦除属性相关的语义特征表示。在测试阶段，由于异常样本是基于从正常数据中学得的属性进行恢复的，因此其恢复误差预期会显著增大。大量实验结果表明，所提出的方法在多个基准数据集上显著优于现有多种先进方法，尤其在ImageNet数据集上，相较于性能最优的基线方法，AUROC指标提升了10.1%。此外，我们还在真实世界异常检测数据集MVTec AD以及视频异常检测数据集ShanghaiTech上对所提方法进行了评估，进一步验证了其有效性与泛化能力。