Este artículo propone CostFilter-AD, que introduce el concepto de filtrado de costos, tomado de tareas de emparejamiento clásicas como la estimación de profundidad y flujo, al problema de UAD para abordar el problema de la inexactitud en el proceso de derivación de puntuaciones de anomalías al basarse en el emparejamiento a nivel de imagen o característica en los métodos existentes de detección de anomalías no supervisadas (UAD). CostFilter-AD construye un volumen de costo de emparejamiento entre las muestras de entrada y normales, y suprime el ruido de emparejamiento a la vez que preserva la estructura de los bordes y captura anomalías sutiles mediante una red de filtrado de volumen de costos guiada por observaciones de entrada. Está diseñado como un complemento genérico de posprocesamiento que puede integrarse tanto en métodos basados en reconstrucción como en incrustación. Experimentos exhaustivos en los benchmarks MVTec-AD y VisA demuestran las ventajas generales de CostFilter-AD para tareas de UAD tanto de clase única como de clase múltiple.
