揭示不断变化世界中的异常：连续学习中像素级异常检测的基准
计算机视觉与模式识别
2024-03-26 v1 机器学习
摘要
异常检测是许多实际应用中的一个相关问题，尤其是在处理图像时。然而，对于输入数据分布随时间变化的问题，人们关注甚少，这可能导致性能显著下降。在本研究中，我们研究了连续学习设置下的像素级异常检测问题，其中新数据随时间到达，目标是在新旧数据上均表现良好。我们实现了多种解决经典设置下异常检测问题的最新技术，并使其适应连续学习设置。为了验证这些方法，我们使用了一个包含基于像素异常的真实世界图像数据集，以提供可靠的基准，并作为该领域进一步发展的基础。我们提供了全面的分析，讨论了哪些异常检测方法和哪些方法家族似乎更适合连续学习设置。
引用
@article{arxiv.2403.15463,
title = {Unveiling the Anomalies in an Ever-Changing World: A Benchmark for Pixel-Level Anomaly Detection in Continual Learning},
author = {Nikola Bugarin and Jovana Bugaric and Manuel Barusco and Davide Dalle Pezze and Gian Antonio Susto},
journal= {arXiv preprint arXiv:2403.15463},
year = {2024}
}