Papers with Code 아카이브
Anomaly Detection
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 28
- 평가표
- 76
- 보존된 평가 기록
- 669
Anomaly Detection is a binary classification identifying unusual or unexpected patterns in a dataset, which deviate significantly from the majority of the data. The goal of anomaly detection is to identify such anomalies, which could represent errors, fraud, or other types of unusual events, and flag them for further investigation.
[Image source]: GAN-based Anomaly Detection in Imbalance Problems
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
해석 가능한 분포 외(OOD) 탐지를 위한 희소 오토인코더
다변량 시계열 이상 탐지를 위한 제로샷 파운데이션 모델 탐색
OOD-RL-Bench: 강화학습 분포 외 탐지 벤치마크 프레임워크
자원 제약 엣지 디바이스를 위한 경량 다중 스케일 이상 탐지
Deep4ge: 결함 탐지 및 진단을 위한 DNN 학습 궤적
지각 거리를 넘어서: 확산 모델을 이용한 분포 외 탐지를 위한 심층 표현 기반 불일치 평가
LARAD: 공간-논리 추론 기반 레이아웃 인식 도로 이상 탐지
이미지 이상 탐지를 위한 통계적 비선형 재구성 손실
위너-홉프 선형 예측 기반 설계상 설명 가능한 오디오 딥페이크 탐지
성공의 흐름으로부터 에이전트 실패 추적
확률 예측의 캘리브레이션 모니터링과 이미지 분류를 활용한 개념 드리프트 탐지 응용
모멘트에 베팅하기: 온라인 교환가능성 검정을 위한 르장드르 점퍼 마팅게일
나이지리아 핀테크 섹터의 구조적 불평등 중립화
PC-Mix: 혼합 음성 및 환경음 조건에서의 부분 구성요소 오디오 위변조 탐지
망막 OCT 분류를 위한 보정된 하이브리드 CNN-트랜스포머
안구 활성 검증을 위한 이중 스트림 챌린지-응답 프로토콜
ScratNet: 반도체 스크래치 분할을 위한 정밀도 정제 기능을 갖춘 Swin 기반 다중 스케일 확장 네트워크
약지도 비디오 이상 탐지를 위한 구조적 증거 선택
물리학에서 영감받은 의사 이상 생성 및 프로토타입 특징 가이던스를 통한 3D 이상 탐지
비전-언어 모델로 계산한 두 영상 간 프레임 유사도 그룹화를 통한 이상 프레임 탐지로 숙련 작업자의 고유 동작 추출
노이즈 잔차 클러스터링을 통한 효과적인 합성 이미지 탐지
AI 생성 비디오 탐지: 비전-언어 이중 관점 서베이
TC-MAF: 멀티모달 산업 이상 탐지를 위한 학습 보정 기반 경계 다중 증거 융합
동적 거래 그래프에서의 희소 링 사기 탐지를 위한 양자 영감 문맥적 학습
ERP 데이터 프로비저닝 재무 통제 테스팅
SALT-GNN: 통계 인식 어텐션을 통한 자금세탁방지 그래프에서의 밀집 이웃 처리
노이즈로부터 학습: 제한 볼츠만 머신에서의 유효 랭크 붕괴와 분포 외 입력 거부
다변량 시계열에 대한 최적 수송 어텐션 효과를 지닌 다중 스케일 합성곱
A Novel Graph Fraud Detector via Grouped Attribute Completion and Confidence-Aware Contrastive Learning
학습한 대로 결과가 나온다: 오디오 딥페이크 탐지에서의 성별 바이어스, 학습 구성 및 사후 완화
에이전트 스킬의 층간 정렬 불일치 탐지: 점진적 로딩 인식 대조 학습 접근법
PREF-Gate: 그래프 사기 탐지를 위한 출처 제약 관계형 증거 융합과 검증 게이트 선택
다중 스트림 감사를 위한 전역 순차 검정
네트워크 공격 분류를 위한 머신러닝과 합성 데이터 생성을 위한 적대적 학습 방법론의 통계적 평가
안드로이드 악성코드 탐지를 위한 회귀 인식 지속 학습
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.