OMASGAN：边界上样本生成的分布外最小异常分数GAN 分布外最小异常分数GAN（OMASGAN） ``OMASGAN：在边界生成样本的分布外最小异常分数GAN''的代码存储库-GitHub 论文摘要： 以无人监督的方式训练的深度生成模型会遇到严重的问题，即为分布外（OoD）样本设置高可能性，高概率​​密度和低重建损失。 这会增加II型错误（假阴性，遗漏异常）并降低异常检测（AD）性能。 而且，用于AD的深层生成模型还存在异常问题的稀有性。 为了解决这些限制，我们提出了新的OoD最小异