우리는 이상 탐지를 위한 에너지 기반 모델(EBM)을 학습하는 새로운 방법을 제시하며, 이는 데이터 내의 저차원 구조를 활용한다. 제안하는 알고리즘인 Manifold Projection-Diffusion Recovery(MPDR)는 먼저 학습 데이터 집합을 근사하는 저차원 다양체(manifold)를 따라 데이터 점을 교란한다. 그 다음, EBM을 학습하여 원래 데이터를 복원할 확률을 최대화한다. 학습은 기존의 EBM 학습과 마찬가지로 MCMC를 통해 부정 샘플(negative samples)을 생성하되, 다양체(manifold) 근처에 집중된 다른 분포로부터 생성한다. 그 결과 얻어지는 다양체 근접 부정 샘플은 데이터에서의 관련된 변이 모드를 반영하며 매우 유익한 정보를 제공한다. MPDR의 에너지 함수는 학습 데이터 분포의 정확한 경계를 효과적으로 학습하며, 분포 밖(out-of-distribution) 샘플을 탐지하는 데 뛰어난 성능을 보인다. 실험 결과, MPDR은 이미지, 벡터, 음향 신호와 같이 다양한 데이터 유형을 포함하는 여러 이상 탐지 과제 전반에서 강력한 성능을 나타낸다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.