본 논문은 다양한 도메인에서 이상치를 탐지하기 위해 정상 및 이상 샘플을 모두 활용하는 새로운 접근 방식인 Normal-Abnormal-Guided Generalist Anomaly Detection (GAD)을 제안합니다. Normal-Abnormal Generalist Learning (NAGL) 프레임워크를 통해 Residual Mining (RM)과 Anomaly Feature Learning (AFL)을 활용하여 보다 정확하고 효율적인 크로스 도메인 이상치 탐지를 수행합니다.
시사점, 한계점
•
시사점:
◦
정상 및 이상 샘플을 모두 활용하여 실제 환경에서 더 효과적인 이상치 탐지 가능.
◦
Residual Mining (RM)을 통해 전이 가능한 이상 패턴 학습.
◦
Anomaly Feature Learning (AFL)을 통해 인스턴스 인식 이상치 식별.
