본 논문은 생성 모델링에서 뛰어난 성능으로 알려진 확산 모델을 밀도 기반 이상 탐지에 적용하는 다양한 방법들을 연구합니다. 특히, 잡음 제거 확산 확률 모델(DDPM)이 이상 탐지 벤치마크에서 우수한 성능을 보이지만 계산 비용이 많다는 점을 발견하고, 이상 탐지에 DDPM을 단순화하여 확산 시간 추정(DTE)이라는 대안적인 방법을 제시합니다. DTE는 주어진 입력에 대한 확산 시간 분포를 추정하고, 이 분포의 최빈값 또는 평균을 이상 점수로 사용합니다. 이 분포에 대한 해석적인 형태를 유도하고 심층 신경망을 활용하여 추론 효율성을 향상시켰습니다. ADBench 벤치마크를 통한 실험적 평가 결과, 모든 확산 기반 이상 탐지 방법이 준지도 및 비지도 설정에서 모두 경쟁력 있는 성능을 보였으며, 특히 DTE는 DDPM보다 훨씬 빠른 추론 시간을 달성하면서 성능 또한 뛰어났습니다. 이러한 결과는 확산 기반 이상 탐지가 기존 방법과 최신 심층 학습 기법에 대한 확장 가능한 대안임을 보여줍니다.
