本論文では、多クラス非教師あり異常検知（MUAD）のための新しい手法「ShortcutBreaker」が提案されています。MUADは複数のクラスにわたって異常を検出するための統一モデルの開発を目指しており、特に異常と正常の区別が難しいという課題に直面しています。提案手法は、まず低ランクノイズボトルネック（LRNB）を採用し、高次元の特徴を低次元の潜在空間に投影することで、トリビアルなアイデンティティ再生を防ぎます。次に、ViT（Vision Transformer）のグローバルモデリング能力を利用し、デコーダ内での情報のショートカットを防ぐためにグローバル摂動注意を組み込んでいます。実験では、MVTec-AD、ViSA、Real-IAD、Universal Medicalなどの異常検知ベンチマークにおいて高い精度を示し、既存の手法と比較して優れた性能を達成しています。