基于 Gumbel 噪声得分匹配的无监督异常检测
机器学习
2023-04-07 v1 人工智能
计算机视觉与模式识别
摘要
我们提出 Gumbel 噪声得分匹配（GNSM），一种用于检测类别数据中异常的无监督新方法。GNSM 通过估计连续松弛类别分布的得分（即对数似然关于输入的梯度）来实现此目的。我们在一组异常检测表格数据集上测试了该方法。GNSM 在所有实验中均取得了一致的高性能。我们进一步展示了 GNSM 的灵活性，将其应用于图像数据，任务为检测较差的分割预测。被 GNSM 排为异常的图像显示出明显的分割失败，且 GNSM 的输出与基于真值计算的分割指标高度相关。我们概述了 GNSM 所用的得分匹配训练目标，并提供了我们工作的开源实现。
引用
@article{arxiv.2304.03220,
title = {Anomaly Detection via Gumbel Noise Score Matching},
author = {Ahsan Mahmood and Junier Oliva and Martin Styner},
journal= {arXiv preprint arXiv:2304.03220},
year = {2023}
}