딥 언어 supervision 이미지 이상 탐지: 정보 이론적 프레임워크

보조 과제 기반 방법은 최근 비지도 이미지 이상 탐지에서 큰 잠재력을 보여주고 있다. 그러나 이러한 보조 과제들이 이상 탐지와 일관된 최적화 방향을 공유한다는 보장은 없다. 본 논문에서는 정보이론을 기반으로 한 이상 탐지의 직접적인 목적 함수로 돌아가, 이미지와 그 표현의 공동 분포 측면에서 정상 데이터와 이상 데이터 간의 거리를 최대화하는 접근을 제안한다. 그러나 비지도 학습 환경에서는 훈련 중 이상 데이터가 제공되지 않기 때문에, 이러한 목적 함수는 직접 최적화할 수 없다는 문제가 있다. 위 목적 함수에 대한 수학적 분석을 통해 이를 네 가지 구성 요소로 분해하는 데 성공하였다. 비지도 방식으로 최적화하기 위해, 잠재 공간에서 정상 데이터와 이상 데이터의 분포가 분리 가능하다는 가정 하에, 이 목적 함수의 하한(lower bound)이 상호정보량(mutual information)과 엔트로피(entropy) 간의 트레이드오프를 가중하는 함수로 간주될 수 있음을 보였다. 이 목적 함수는 보조 과제 기반 방법이 이상 탐지에 효과적인 이유를 설명할 뿐만 아니라, 향후 개선 가능성을 제시한다. 이러한 목적 함수를 기반으로, 비지도 이미지 이상 탐지를 위한 새로운 정보이론적 프레임워크를 제안한다. 광범위한 실험을 통해 제안된 프레임워크가 여러 벤치마크 데이터셋에서 기존의 최첨단 기법들을 상회함을 입증하였다.