이상 탐지에는 더 나은 표현이 필요합니다.

이상 탐지(anomaly detection)는 과학과 산업에서 중요한 역할을 하는 비정상적인 현상을 식별하는 것을 목표로 합니다. 이 작업은 훈련 중에 예기치 않으며 알려지지 않은 이상치를 찾아내야 하므로 본질적으로 비지도 학습(unsupervised)입니다. 최근 자기 지도 표현 학습(self-supervised representation learning)의 발전이 직접적으로 이상 탐지 성능의 향상에 기여하고 있습니다. 본 논문에서는 먼저 일반적으로 보고되는 이상 탐지 벤치마크에서 최신 기술(state-of-the-art) 수준의 성능을 달성하기 위해 어떻게 쉽게 자기 지도 표현을 활용할 수 있는지를 설명합니다. 그 다음으로, 차세대 이상 탐지 작업을 해결하기 위해서는 표현 학습에서 새로운 기술적 및 개념적 개선이 필요하다는 주장을 제시합니다.