연구진은 훈련 없이 이미지의 미묘한 시각적 이상을 감지하는 새로운 방법 ANoCo를 제안했어요. 이 방법은 쿼리 패치가 정상 특징 공간과 얼마나 일치하지 않는지를 측정하여 이상을 감지해요.
ANoCo는 코사인 유사도를 기반으로 쿼리 패치와 정상 패치 간의 양방향 그래프를 구축하고, 쿼리-쿼리 및 정상-정상 간의 연결을 제거하여 정보 희석을 방지해요.
제안된 방법은 학습 가능한 파라미터나 메시지 전달, 샘플링 없이 단일 선형 연산 수준의 복잡도를 가지며, 표준 벤치마크에서 이미지 수준 AUROC가 뛰어나고 안정적인 로컬라이제이션 맵을 제공해요.