1. どんなもの？
- Anomaly Detectionの枠組み
- AE系とGEOM系を組み合わせた
2. 先行研究と比べてどこがすごい？
- AE系とGEOM系を組み合わせた
- ↑以外に新規性はないが調査までに
3. 技術や手法の"キモ"はどこ？
Architecture
- 構造はVAE系
Objective
- 再構成誤差
$$ \mathcal{L} _ {c r}=\left|\left(x_{i}-f\left(\hat{x} _ {i}\right)\right)\right|_{2} $$
- GEOM誤差．VAEの平均に対して分類を行う
$$ \mathcal{L} _ {geo}=- \sum^N_i q_i \log g (\tilde{x_{q_i}}) $$
- 全体のloss
$$ \mathcal{L} _ {multitask} = \mathcal{L}_{geo} + \epsilon \mathcal{L} _ {cr} $$
Anomaly score
$$
score = (1-\lambda)s_g + \lambda s_r
$$
$$
s_g = - \sum^N_i q_i \log g (\tilde{x_{q_i}})
$$
$$
s_r = \alpha \times | x_i-f(x_i) |_2
$$
4. どうやって有効だと検証した？
- 脳のCTスキャンデータで実験
5. 議論はあるか？
- 比較手法が少ない
