論文の概要: Interpreting Rate-Distortion of Variational Autoencoder and Using Model
Uncertainty for Anomaly Detection
- arxiv url: http://arxiv.org/abs/2005.01889v2
- Date: Thu, 7 May 2020 16:59:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 13:40:28.894432
- Title: Interpreting Rate-Distortion of Variational Autoencoder and Using Model
Uncertainty for Anomaly Detection
- Title(参考訳): 変分オートエンコーダのレートゆらぎの解釈とモデル不確かさを用いた異常検出
- Authors: Seonho Park, George Adosoglou, Panos M. Pardalos
- Abstract要約: 表現学習による教師なし異常検出のためのスケーラブルな機械学習システムを構築した。
本稿では,情報理論の観点からVAEを再考し,再構成誤差を用いた理論的基礎を提供する。
ベンチマークデータセットに対するアプローチの競合性能を実証的に示す。
- 参考スコア(独自算出の注目度): 5.491655566898372
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Building a scalable machine learning system for unsupervised anomaly
detection via representation learning is highly desirable. One of the prevalent
methods is using a reconstruction error from variational autoencoder (VAE) via
maximizing the evidence lower bound. We revisit VAE from the perspective of
information theory to provide some theoretical foundations on using the
reconstruction error, and finally arrive at a simpler and more effective model
for anomaly detection. In addition, to enhance the effectiveness of detecting
anomalies, we incorporate a practical model uncertainty measure into the
metric. We show empirically the competitive performance of our approach on
benchmark datasets.
- Abstract(参考訳): 表現学習による教師なし異常検出のためのスケーラブルな機械学習システムの構築が望ましい。
代表的な方法の1つは、証拠の下位境界を最大化することで、変分オートエンコーダ(VAE)の再構成誤差を使用することである。
我々は情報理論の観点からvaeを再検討し,再構成誤差の利用に関する理論的基礎を提供し,最終的により単純で効果的な異常検出モデルに到達した。
さらに,異常検出の有効性を高めるために,実際のモデル不確実性尺度を指標に組み込んだ。
ベンチマークデータセットに対するアプローチの競合性能を実証的に示す。
関連論文リスト
- Anomaly Detection via Autoencoder Composite Features and NCE [1.2891210250935148]
オートエンコーダ(AE)または生成モデルは、通常入力のデータ分布をモデル化するためにしばしば使用される。
ノイズコントラスト推定(NCE)を訓練したAEと確率モデルの両方が異常検出を行うための非結合型トレーニング手法を提案する。
論文 参考訳(メタデータ) (2025-02-04T01:29:22Z) - Anomaly detection using Diffusion-based methods [15.049468347670421]
本稿では,拡散モデルによる異常検出の有用性について検討する。
コンパクトデータセットと高解像度データセットの両方における偏差を識別する効果に重点を置いている。
論文 参考訳(メタデータ) (2024-12-10T14:17:23Z) - Friend or Foe? Harnessing Controllable Overfitting for Anomaly Detection [30.77558600436759]
オーバーフィッティングは、長い間、モデルパフォーマンスに有害なものとして評価されてきた。
モデル識別能力を高めるための制御可能かつ戦略的メカニズムとしてオーバーフィッティングを再放送する。
最適化された異常検出のためにオーバーフィッティングを利用する新しいフレームワークである制御可能オーバーフィッティングに基づく異常検出(COAD)を提案する。
論文 参考訳(メタデータ) (2024-11-30T19:07:16Z) - MeLIAD: Interpretable Few-Shot Anomaly Detection with Metric Learning and Entropy-based Scoring [2.394081903745099]
本稿では,新たな異常検出手法であるMeLIADを提案する。
MeLIADはメートル法学習に基づいており、真の異常の事前分布仮定に頼ることなく、設計による解釈可能性を達成する。
解釈可能性の定量的かつ定性的な評価を含む5つの公開ベンチマークデータセットの実験は、MeLIADが異常検出とローカライゼーション性能の改善を達成することを実証している。
論文 参考訳(メタデータ) (2024-09-20T16:01:43Z) - Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳(メタデータ) (2023-11-27T13:14:06Z) - An Outlier Exposure Approach to Improve Visual Anomaly Detection
Performance for Mobile Robots [76.36017224414523]
移動ロボットの視覚異常検出システム構築の問題点を考察する。
標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。
本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
論文 参考訳(メタデータ) (2022-09-20T15:18:13Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。
我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。
製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Object-centric and memory-guided normality reconstruction for video
anomaly detection [56.64792194894702]
本稿では,ビデオ監視における異常検出問題に対処する。
異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。
我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
論文 参考訳(メタデータ) (2022-03-07T19:28:39Z) - Learned ISTA with Error-based Thresholding for Adaptive Sparse Coding [58.73333095047114]
学習用ISTA(LISTA)のためのエラーベースのしきい値設定機構を提案する。
提案手法は, 縮小関数の学習可能なパラメータを再構成誤差からよく切り離していることを示す。
論文 参考訳(メタデータ) (2021-12-21T05:07:54Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2020-03-24T08:26:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。