环境感知异常检测：忽略风格变化，忠于内容！
计算机视觉与模式识别
2023-09-27 v2 机器学习
摘要
我们为分布偏移场景下的无监督异常检测任务引入了形式化定义与基准。我们的工作基于iWildCam数据集构建，且据我们所知，我们首个针对视觉数据提出此类方法。我们通过实验验证，与基本的经验风险最小化（ERM）相比，环境感知方法在此类情形下表现更优。接下来，我们提出一种为对比方法生成正样本的扩展，其在训练时考虑环境标签，将ERM基线分数提升了8.7%。
引用
@article{arxiv.2210.03103,
title = {Env-Aware Anomaly Detection: Ignore Style Changes, Stay True to Content!},
author = {Stefan Smeu and Elena Burceanu and Andrei Liviu Nicolicioiu and Emanuela Haller},
journal= {arXiv preprint arXiv:2210.03103},
year = {2023}
}