1. 발표자: 임훈 석박통합과정([email protected])
1. 논문제목: Unsupervised Continual Anomaly Detection with Contrastively-learned Prompt
2. 논문링크: https://arxiv.org/abs/2401.01010
3. Venue: AAAI 2024
4. 논문요약:
기존 Unsupervised AD는 새롭게 product가 추가되는 경우 쉽게 대응하지 못 하고, prduct마다 개별적으로 모델을 사용하는 것은 컴퓨팅 cost 부담이 됨
Task-agnostic Continual Learning 방법론이 많이 연구가 되어 지고 있지만 Anomaly Detection에 접목시킨 연구는 부족
이를 위해 Prompt를 활용하는 Task-agnostic Continual Learning Anomaly Detection 방법론인 UCAD를 제안
CPM module을 통해 task를 인식하고 task 정보를 feature에 전달할 수 있도록 함
SCL을 통해 task에 특화된 feature를 추출하도록 하며, 더욱 compact하게 만듦