초록
이 논문은 정상적인 요소들의 비정상적인 조합으로 구성된 샘플에서 이상을 탐지하기 위해 세트 특징(set features)을 활용하는 방법을 제안한다. 많은 최첨단 방법들은 샘플의 일부분이 비정상적인지를 탐지함으로써 이상을 발견한다. 예를 들어, 최신의 세그멘테이션 기반 접근법은 먼저 샘플의 각 요소(예: 이미지 패치)를 정상 또는 이상으로 분류한 후, 이상 요소를 포함하고 있으면 전체 샘플을 이상으로 분류한다. 그러나 이러한 접근법은 정상적인 요소들의 비정상적인 조합으로 나타나는 이상 상황에는 잘 확장되지 않는다. 본 논문에서는 각 샘플을 구성 요소들의 분포로 모델링하는 세트 특징을 제안함으로써 이러한 한계를 극복한다. 우리는 고정된 특징을 사용하여 간단한 밀도 추정 방법을 통해 각 샘플의 이상도를 계산한다. 제안하는 방법은 이미지 수준의 논리적 이상 탐지 및 시계열 데이터의 시퀀스 수준 이상 탐지에서 기존 최고 성능 기법을 능가한다.