Vendi Anomaly Scores for Efficient and Accurate Anomaly Detection

이 논문은 샘플을 뺐을 때 데이터 집단의 다양성 점수가 얼마나 변하는지로 이상치를 찾는 Vendi 이상 점수를 제안했다.

이 논문은 한마디로 샘플 하나를 제거할 때 데이터 전체 다양성이 크게 바뀌는 정도로 이상치를 점수 매기는 새 이상 탐지 방법이다. 저자들은 Vendi 점수의 고유값 스펙트럼 변화를 일차 근사로 빠르게 계산해 데이터 크기에 선형으로 확장되는 VAS를 만들었다. 이 방법은 이웃 크기나 밀도 추정 같은 하이퍼파라미터 없이 데이터의 스펙트럼 구조에 맞춰 q 값을 스스로 정한다. 10개 원본 데이터셋과 4개 임베딩 구조에서 나온 148개 벤치마크에서 최고 수준 성적을 냈고, ImageNet 대규모 실험에서도 오염 비율과 규모가 커져도 성능이 유지됐다.

핵심 요약

• 연구진은 샘플을 뺄 때 Vendi 점수로 잰 데이터 다양성의 변화로 이상치를 정의하는 Vendi 이상 점수를 제안했다.
• 정확한 하나 빼기 점수의 일차 근사를 유도해 임베딩 데이터셋 크기에 선형으로 확장되게 만들었다.
• 이 방법은 밀도 추정, 분할 휴리스틱, 하이퍼파라미터 조정 없이 고유값 스펙트럼에 맞춰 q 값을 자동으로 정한다.
• 10개 원본 데이터셋과 4개 임베딩 구조에서 나온 148개 벤치마크 데이터셋에서 최고 수준 이상 탐지 성능을 달성했다.
• 최대 100k 샘플 ImageNet 실험에서 오염 비율과 규모가 커져도 성능이 유지되었다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.