Self Supervised Anomaly Detection

Selbstüberwachung zur Erkennung von Anomalien ist eine wichtige Unterdisziplin im Bereich der Computer Vision. Sie zielt darauf ab, durch selbstüberwachte Lernmethoden ohne die Notwendigkeit von etikettierten Daten abnorme Phänomene in Bildern oder Videos zu erkennen. Das Ziel dieser Aufgabe besteht darin, ein Modell zu entwickeln, das automatisch Abweichungen von normalen Mustern identifizieren kann. Dies spielt eine entscheidende Rolle in Szenarien wie industrieller Inspektion, medizinischer Diagnostik und Sicherheitsüberwachung, wodurch die Robustheit und Zuverlässigkeit von Systemen gesteigert werden.