该文综述无监督离群检测研究，大规模评估表明流行方法未必优于基于预训练特征与马氏距离的简单检测器，并提出特征描述解释MahaAD。此外还涉及分布外检测基准、RUAD时序模型、SUOD加速框架、DISYRE合成异常、数据集构成公平性、ANDi扩散方法及马氏距离可靠性评估。

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。