무지한 학생: 구분 잠재 임베딩을 통한 학생-교사 이상 탐지

고해상도 이미지에서 비지도 이상 탐지 및 픽셀 수준의 이상 세그멘테이션이라는 도전적인 문제를 해결하기 위해, 강력한 학습자-교사 프레임워크를 제안한다. 학습자 네트워크는 자연 이미지의 패치 데이터셋에서 사전 학습된 설명형 교사 네트워크의 출력을 회귀하도록 훈련된다. 이 방식은 사전 데이터 레이블링이 필요 없도록 한다. 학습자 네트워크의 출력이 교사 네트워크의 출력과 다를 때 이상을 탐지할 수 있으며, 이는 정상 데이터의 매니폴드를 벗어난 영역에서 일반화가 실패할 때 발생한다. 학습자 네트워크 내재의 불확실성은 이상을 나타내는 추가 점수 함수로 활용된다. 제안하는 방법은 다양한 기존의 딥러닝 기반 비지도 이상 탐지 기법들과 비교되었으며, 최근에 소개된 MVTec 이상 탐지 데이터셋을 포함한 여러 실세계 데이터셋에서 최신 기술 대비 성능 향상을 입증하였다. 이 데이터셋은 이상 세그멘테이션 알고리즘을 평가하기 위해 특별히 설계된 것이다.