정상 자료 중심의 학습
실제 자료에는 정상 예시가 많고 가능한 이상 중 일부만 나타나는 경우가 있다. 이 모델은 정상 예시만으로 해당 영역의 정상성 분포를 학습하고 여기서 벗어나는 입력을 찾도록 구성했다.
여러 규모의 재구성
건너뛰기 연결이 있는 합성곱 인코더 디코더로 고차원 영상 공간의 여러 규모 정보를 다룬다. 선택한 구조에 적대적 학습을 적용해 영상과 낮은 차원의 잠재 벡터 공간에서 재구성을 학습한다.
재구성 차이의 활용
학습 중 두 공간의 재구성 오차를 줄여 정상 자료의 특성을 익힌다. 이후 검사에서 커지는 재구성 지표를 정상 분포에서 벗어난 신호로 사용하며 원 연구는 이상 탐지 벤치마크와 실제 자료에서 이를 평가했다.
관련 문서
GANomaly / 건너뛰기 연결 / 생성적 적대 신경망 / 이상 탐지 / 오토인코더 / 표현 학습