無知な学生：識別的潜在埋め込みを用いた学生-教師異常検出

高解像度画像における教師-生徒型の強力なフレームワークを、無教師異常検出およびピクセル単位の異常セグメンテーションという困難な課題に対して提案する。本手法では、自然画像のパッチを大量に含むデータセットで事前に学習された記述的教師ネットワークの出力を、生徒ネットワークが回帰するように訓練する。これにより、事前のデータラベル付けを必要としない。生徒ネットワークの出力が教師ネットワークの出力と異なる場合、すなわち訓練データに含まれる異常なしデータの多様体（manifold）の外に一般化できなかった場合に異常を検出する。さらに、生徒ネットワークに内在する不確実性を、異常を示す追加のスコア関数として用いる。本手法は、無教師異常検出に用いられる多数の既存の深層学習ベースの手法と比較されている。実験の結果、最近導入されたMVTec Anomaly Detectionデータセットを含む多数の実世界データセットにおいて、最先端の手法を上回る性能を示した。このデータセットは、異常セグメンテーションアルゴリズムのベンチマークを目的として特に設計されたものである。