近年、細粒度異常検出は主にセグメンテーションに基づくアプローチによって支配されてきた。これらのアプローチは、まずサンプル（例えば画像のパッチ）の各要素を正常または異常として分類し、そのサンプルに異常な要素が含まれる場合にのみ、全体を異常と判定する。しかし、このようなアプローチでは、正常な要素の非標準的な組み合わせによって表現される異常が発生する状況には対応できない。本論文では、各サンプルをその要素の分布によってモデル化する「セット特徴（set features）」を提案することで、この制約を克服する。各サンプルの異常度は、単純な密度推定法を用いて算出される。実装が容易な本手法は、画像レベルの論理的異常検出において最先端技術を+3.4%、時系列データのシーケンスレベルの異常検出においては+2.4%の性能向上を達成し、既存手法を上回っている。