論文の概要: Investigating Mask-aware Prototype Learning for Tabular Anomaly Detection

• arxiv url: http://arxiv.org/abs/2506.02757v1
• Date: Tue, 03 Jun 2025 11:22:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.609465
• Title: Investigating Mask-aware Prototype Learning for Tabular Anomaly Detection
• Title（参考訳）: 口蓋異常検出のためのマスク認識型プロトタイプ学習の検討
• Authors: Ruiying Lu, Jinhan Liu, Chuan Du, Dandan Guo,
• Abstract要約: タブラル異常検出は、医学的疾患の特定、金銭的不正検出、侵入監視など、様々な現実世界の応用において重要である。 近年の深層学習に基づく手法は,表現の絡み合いや,異常検出性能を妨げる大域的相関モデリングの欠如に悩まされている。 本稿では,マスクモデルとプロトタイプ学習を導入し,この問題に対処する。
• 参考スコア（独自算出の注目度）: 10.59950164851305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tabular anomaly detection, which aims at identifying deviant samples, has been crucial in a variety of real-world applications, such as medical disease identification, financial fraud detection, intrusion monitoring, etc. Although recent deep learning-based methods have achieved competitive performances, these methods suffer from representation entanglement and the lack of global correlation modeling, which hinders anomaly detection performance. To tackle the problem, we incorporate mask modeling and prototype learning into tabular anomaly detection. The core idea is to design learnable masks by disentangled representation learning within a projection space and extracting normal dependencies as explicit global prototypes. Specifically, the overall model involves two parts: (i) During encoding, we perform mask modeling in both the data space and projection space with orthogonal basis vectors for learning shared disentangled normal patterns; (ii) During decoding, we decode multiple masked representations in parallel for reconstruction and learn association prototypes to extract normal characteristic correlations. Our proposal derives from a distribution-matching perspective, where both projection space learning and association prototype learning are formulated as optimal transport problems, and the calibration distances are utilized to refine the anomaly scores. Quantitative and qualitative experiments on 20 tabular benchmarks demonstrate the effectiveness and interpretability of our model.
• Abstract（参考訳）: 先天的なサンプルの同定を目的としたタブラル異常検出は、医学的疾患の特定、金融不正検出、侵入監視など、様々な現実世界の応用において重要である。 近年の深層学習に基づく手法は競合性能を達成しているが,これらの手法は表現の絡み合いや大域的相関モデリングの欠如に悩まされ,異常検出性能が損なわれている。 この問題に対処するために,マスクモデリングとプロトタイプ学習をタブ状異常検出に組み込んだ。 中心となる考え方は、射影空間内での非交叉表現学習によって学習可能なマスクを設計し、通常の依存関係を明示的なグローバルプロトタイプとして抽出することである。 具体的には、全体モデルには2つの部分が含まれます。 一 符号化中は、データ空間と投影空間の両方において、共有不整合正規パターンを学習するための直交基底ベクトルを用いてマスクモデリングを行う。 (2)復号中は,複数のマスク表現を並列に復号して再構成し,関連プロトタイプを学習し,通常の特徴相関を抽出する。 提案手法は,プロジェクション空間学習とアソシエーションプロトタイプ学習の両方を最適輸送問題として定式化し,キャリブレーション距離を用いて異常スコアを改良する分布マッチングの観点から導かれる。 20の表付きベンチマークにおける定量的および定性的な実験は、我々のモデルの有効性と解釈可能性を示す。

関連論文リスト

• Learning Compact and Robust Representations for Anomaly Detection [0.21427777919040417]
  本稿では,3つの重要な特性を強制する異常検出のための対照的な前文タスクを提案する。 これらの特性は協調して、異常検出のためのより堅牢で差別的な特徴空間を確保する。 提案手法は,NT-Xentの約12倍,Rot-SupConの約7倍のコンバージェンスを実現し,性能が向上した。
  論文  参考訳（メタデータ） (2025-01-09T10:33:16Z)
• MLAD: A Unified Model for Multi-system Log Anomaly Detection [35.68387377240593]
  複数のシステムにまたがる意味的関係推論を組み込んだ新しい異常検出モデルMLADを提案する。 具体的には、Sentence-bertを用いてログシーケンス間の類似性を捉え、それらを高次元の学習可能な意味ベクトルに変換する。 我々は,各キーワードのシーケンスにおける意義を識別し,マルチシステムデータセットの全体分布をモデル化するために,アテンション層の公式を改訂する。
  論文  参考訳（メタデータ） (2024-01-15T12:51:13Z)
• 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)
• 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)

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。