연구진은 이질적인 특징 스키마, 분포 변화, 심각한 클래스 불균형이 있는 환경에서 지속적인 이상 탐지를 위한 새로운 방법 TaskFusion을 제안했어요.
TaskFusion은 AGF 모델, Taskfusion 증강, 이상 노출의 세 가지 주요 부분으로 구성되어 있으며, 이질적인 특징을 공유 공간에 매핑하고 분포를 정렬하여 표현 드리프트를 줄이고 이상 결정 경계를 학습해요.
21개의 이질적 데이터 세트에서 평가 결과, TaskFusion은 순차적 미세 조정 및 다른 CL 기준선에 비해 지속적인 이상 탐지 성능을 크게 향상시키고 파국적인 망각을 줄이며 이질적인 데이터 세트에서 안정적인 탐지를 유지했어요.