Kontinuierliches Lernen für die Erkennung von Anomalien in einer sich ständig verändernden Welt: Ein Benchmark für die Erkennung von Pixel-Anomalien

In dieser Studie untersuchen wir das Problem der Erkennung von Pixel-Anomalien im Kontext des Kontinuierlichen Lernens, bei dem neue Daten im Laufe der Zeit eintreffen und das Ziel darin besteht, sowohl auf neuen als auch auf alten Daten gut zu performen. Wir implementieren mehrere state-of-the-art-Techniken, um das Anomalie-Erkennungsproblem im klassischen Setting zu lösen, und passen sie an, damit sie im Kontinuierlichen Lernen-Setting funktionieren.