该研究发现，无监督离群检测方法在大规模评估中无法一致优于基于预训练特征和Mahalanobis距离的简单异常检测器。研究提出了一种新的无监督离群检测特征描述，并应用于MahaAD方法，解释了其质量并提供了未来评估的见解。

本文研究了无监督离群检测的深度生成模型，特别关注基于标准正态先验分布的变分自动编码器（VAE）。提出了一种新的离群得分方法ER，结合了重建图像输入的概念和考虑图像复杂性。实验结果表明，该方法优于基准方法。