分布外検出は、標準的なデータから逸脱する新奇性（novelties）を識別することを目指しています。この課題は特に正常なデータ分布が複数の意味クラス（例えば、複数の物体カテゴリ）で構成される場合に非常に困難であることが示されています。この挑戦に対処するために、現在のアプローチでは訓練時に提供される正常な画像の手動ラベリングが必要とされています。本研究では、クラスラベルなしで多クラス新奇性検出を行う方法を提案します。私たちの単純ながら効果的な解決策は2つの段階で構成されています：まず、無監督クラスタリングを使用して「疑似クラス」ラベルを発見します。次に、これらの疑似クラスラベルを利用して、従来の監督学習に基づく分布外検出手法を適用します。当手法の性能を確認するために、最先端技術との比較を行い、さらに広範な分析とアブレーション研究を実施しました。