- …
- …
#563
summarized by : 岡本大和
どんな論文か?
AnomalyDetectionの研究。擬似ラベル生成と擬似ラベル予測を繰り返しながら学習する。ただし、TrainDataにAnomalyLabelが含まれていることを暗に前提としている。
新規性
最大の特徴は(supervisedやself-supervisedなどの)タスクを必要とせず学習可能な点。それゆえにEnd-to-Endで学習可能。Anomaly DetectionでEnd-to-Endという点は新しい。
結果
歩行者データセットUMNにおいてはAnomalyDetectionで従来手法を上回る性能を達成。ただし、UCSDやSubwayではSoTA達成には至っていない。
その他(なぜ通ったか?等)
タスク不要、End-To-Endはハンドリングしやすい手法なので高評価である。さらに、実運用中にAnomalyDataに遭遇した場合、学習データにAnomalyScore=1として追加すればオンライン学習できる点も評価されたと伺える。
- …
- …