Resumo Técnico: Quando Violações de Regras São Raras: Treinamento Chimera para Detecção de Anomalias Lógicas

Declaração do Problema

O artigo aborda a Detecção de Anomalias Lógicas, um cenário onde anomalias são definidas não meramente como outliers estatísticos ou amostras fora da distribuição (OOD), mas como entradas que violam restrições semânticas conhecidas. Essas restrições incluem co-ocorrências estruturadas de objetos, pré-condições de ações e regularidades temporais ou relacionais.

Um desafio crítico neste domínio é que violações de regras no mundo real são frequentemente raras ou totalmente ausentes durante o treinamento. A classificação binária supervisionada padrão exige acesso a amostras anômalas, que são, por definição, escassas. Além disso, os métodos existentes enfrentam um trade-off: pipelines puramente simbólicos dependem de saídas de percepção frágeis, enquanto pipelines puramente neurais frequentemente reaprendem restrições implicitamente, emaranhando-as com pistas visuais espúrias e falhando em fornecer atribuições interpretáveis ao nível da regra. Os autores visam desenvolver um método capaz de aprender a detectar violações de regras utilizando apenas dados de treinamento consistentes com as regras (ou seja, dados "normais"), sem exigir exemplos explícitos de anomalias.

Metodologia

O framework proposto, denominado Avaliador Neural, é uma abordagem neuro-simbólica que compila restrições lógicas em Grafos Acíclicos Direcionados (DAGs) explícitos e aprende operadores neurais reutilizáveis para avaliá-los.

1. Arquitetura e Pipeline de Treinamento

O método opera em quatro etapas (ilustradas na Figura 1):

• Etapa 1 (Banco de Conceitos Folha): Um codificador compartilhado $E_\phi$ extrai características $z$ de imagens de entrada. Um conjunto de cabeças "folha" prevê probabilidades para um conjunto pré-definido de conceitos semânticos (por exemplo, presença de objeto, relações).
• Etapa 2 (Aprendizado de Portões de Subárvore): Cada regra lógica é representada como um DAG onde as folhas são IDs de conceitos e os nós internos são operadores lógicos (E, OU, IMPLICA, IFF). O sistema aprende um portão de subárvore $g_{\theta_v}$ para cada nó interno. Esses portões mapeiam características dos filhos e bandeiras de negação ao nível da aresta para uma representação de característica do pai e uma probabilidade de satisfação da regra.
• Etapa 3 (Treinamento Nível a Nível): O treinamento procede de baixo para cima por profundidade. Portões de menor profundidade são congelados, e portões na profundidade atual são treinados usando entropia cruzada binária nó a nó. Crucialmente, os alvos de verdade-terrena para nós internos são derivados via propagação booleana exata a partir dos rótulos de conceito rígidos, fornecendo supervisão intermediária para cada nó no grafo, não apenas para a raiz.
• Etapa 4 (Inferência): Para uma nova imagem, os portões congelados propagam características para cima no DAG para calcular a probabilidade de satisfação da raiz. A pontuação de anomalia é definida como $1 - \hat{t}_{root}$.

2. Treinamento Negativo Chimera

A inovação central que aborda a escassez de violações reais é o Treinamento Chimera.

• O Problema: O treinamento em dados normais da mesma imagem frequentemente leva a "aprendizado de atalho", onde um portão aprende a reconhecer um modelo visual global de uma regra em vez de compor o operador lógico. Além disso, contraexemplos informativos (por exemplo, $A=1, B=0$ para uma implicação $A \Rightarrow B$) podem estar ausentes da distribuição de treinamento.
• A Solução: Em vez de misturar pixels brutos (como Mixup), o método constrói operandos contrafactuais ao nível das características. Para um nó binário com filhos $\ell$ e $r$, a entrada de treinamento para a amostra $i$ é formada concatenando a característica do filho esquerdo da amostra $i$ e a característica do filho direito de uma amostra diferente $\pi(i)$ (onde $\pi$ é uma permutação).
• Geração de Alvo: O rótulo alvo para esta entrada "chimera" é computado aplicando o operador lógico aos rótulos de verdade rígida das respectivas amostras ($t_\ell(y_i)$ e $t_r(y_{\pi(i)})$).
• Efeito: Isso força os portões a se comportarem como operadores composicionais, aprendendo a relação lógica entre características em vez de memorizar correlações visuais. Isso fornece contraexemplos lógicos supervisionados mesmo quando resultados específicos de regras estão ausentes nos dados naturais.

3. Cache Consciente de Linhagem

Para escalar através de muitas regras, o sistema emprega um mecanismo de cache. Uma chave de cache é gerada com base na estrutura simbólica da subárvore, negações de aresta, arquitetura do portão, dimensão da característica e uma impressão digital do codificador a montante. Isso permite que subárvores aprendidas sejam reutilizadas com segurança através de diferentes regras e execuções, desde que a representação de características e a estrutura lógica correspondam.

Contribuições Principais

1. Portões de Subárvore: Um mecanismo de aprendizado local ao nó, de baixo para cima, que compõe características condicionadas a conceitos em probabilidades de verdade sob supervisão booleana rígida, permitindo a reutilização de operadores lógicos aprendidos.
2. Treinamento Negativo Chimera: Uma estratégia de treinamento inovadora que impõe composicionalidade ao nível do operador e previne o aprendizado de atalho misturando operandos de subárvore de amostras diferentes. Isso permite que o modelo opere efetivamente em cenários onde contrafactuais reais (violações) estão completamente ausentes dos dados de treinamento.
3. Validação Empírica: Demonstração da eficácia do método em benchmarks estruturados de imagem/vídeo (CLEVRER, OpenImages, VidOR) e dados do mundo real, mostrando melhorias significativas sobre baselines de eventos independentes e treinamento semântico da mesma imagem.

Resultados

Os autores avaliaram o Avaliador Neural contra três baselines:

• INDEPPROB: Um avaliador probabilístico de eventos independentes (baseline simbólica).
• SEM (Perda Semântica): Uma baseline de treinamento semântico da mesma imagem sem mistura chimera.
• Mono-N/Mono-C: Baselines monolíticas apenas de raiz (treinadas apenas em dados normais ou com dados chimera).

Principais Descobertas:

• Ganhos de Desempenho: O Avaliador Neural superou consistentemente a baseline de eventos independentes na AUROC de anomalia ao nível da regra. Ganhos notáveis foram observados em CLEVRER (+0,083), OpenImages (+0,078) e VidOR (+0,234).
• Necessidade de Treinamento Chimera: A baseline SEM (apenas treinamento da mesma imagem) colapsou em conjuntos de dados complexos, resultando em AUROC $\approx 0,5$ (adivinhação aleatória). Isso confirma que dados normais comuns carecem de cobertura suficiente de configurações verdadeiras violadoras informativas para aprender um sinal de anomalia não trivial sem supervisão contrafactual explícita.
• Regras Composicionais: O método mostrou força particular em regras composicionais e relacionais (por exemplo, cadeias de implicações em CLEVRER, regras objeto-relação em VidOR), onde suposições probabilísticas fixas (como independência de eventos) falham.
• Insights de Ablação: Embora a baseline monolítica treinada com chimera tenha desempenho semelhante ao modelo modular completo, a abordagem modular fornece uma decomposição mais interpretável e reutilizável da avaliação de regras sem perda significativa de desempenho.

Significado e Alegações

O artigo afirma que muitas anomalias práticas são melhor caracterizadas como violações de restrições de domínio em vez de mera raridade no espaço de pixels. Ao compilar restrições em DAGs explícitos e treinar com supervisão baseada em chimera, o detector fornece não apenas uma pontuação escalar de anomalia, mas também atribuições estruturadas ao nível da regra explicando quais restrições foram violadas.

Os autores enfatizam que essa abordagem permite a detecção de violações de regras mesmo quando o conjunto de dados de treinamento contém apenas amostras consistentes com as regras. Esta é uma característica distintiva em comparação com a classificação binária totalmente supervisionada, que exige acesso a amostras anômalas raras. O método preenche a lacuna entre raciocínio simbólico (restrições explícitas) e percepção neural (extração robusta de características), oferecendo uma solução escalável para detecção de anomalias lógicas em cenários onde anomalias de verdade-terrena estão indisponíveis.

O artigo permanece modesto em relação às suas limitações, observando que o método herda erros do banco de conceitos folha, vieses das anotações do conjunto de dados e correlações espúrias potenciais em regras mineradas. Ele afirma que altas pontuações de anomalia indicam inconsistência semântica em relação ao conjunto de regras selecionado, em vez de um julgamento de segurança de propósito geral.