오토인코더는 다양한 지능형 시스템에서 이상(anomaly)을 탐지하는 데 성공적으로 활용되어 왔다. 일반적으로 오토인코더 기반 이상 탐지 시스템은 재구성 손실(reconstruction loss)이 설정된 임계값보다 높을 때 해당 데이터 포인트를 이상으로 판단한다. 그러나 오토인코더 기반 이상 탐지 시스템은 일반화 가능성과 신뢰성이 부족하다. 이론적으로는 오토인코더가 분포 외(out-of-distribution) 모든 데이터 포인트에 대해 설정 임계값보다 높은 재구성 손실을 산출해야 한다. 하지만 오토인코더가 일부 데이터 포인트에서는 더 낮은 재구성 손실을, 반대로 일부 특정한 분포 외 데이터 포인트에서는 더 높은 재구성 손실을 산출하는 것으로 관찰되었다. 예를 들어, 오토인코더는 동작 흐림(motion blur) 교란이 가해진 입력 이미지에 대해서는 설정 임계값보다 낮은 재구성 손실을 산출한다. 반면 충격 잡음(impulse noise)이 가해진 입력 이미지에 대해서는 더 높은 재구성 손실을 산출한다. 위와 같은 문제의식에 동기화되어, 본 논문은 다양한 이상을 탐지하는 데 있어 오토인코더의 신뢰성을 조사하고자 한다. 우리의 실험 결과에 따르면 오토인코더는 특정 데이터에 매우 의존적이며, 다양한 이상에 대한 탐지 결과는 매우 불신뢰적이었다. 우리는 오토인코더 기반 이상 탐지기의 신뢰성을 평가하는 데 도움을 주기 위한 설계된 신뢰성 평가 지표(reliability evaluation metrics)를 포함한 프레임워크를 제안하였다. 또한 교란된 이미지(perturbed)와 정상 이미지(normal) 간의 재구성 손실(reconstruction loss)을 기준으로 한 오토인코더의 신뢰성에 대한 분석 결과를 보고하였다.

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