초록
본 논문에서는 이미지 이상 탐지 및 세그멘테이션 문제를 다룬다. 이상 탐지는 입력 이미지에 이상이 포함되어 있는지를 이진 결정하는 작업이며, 이상 세그멘테이션은 이상 영역을 픽셀 수준에서 정확히 위치하는 것을 목표로 한다. 서포트 벡터 데이터 기술(SVDD)은 오랜 기간 이상 탐지에 사용되어 온 전통적인 알고리즘이며, 본 연구에서는 자기지도 학습(self-supervised learning)을 활용한 패치 기반 방식으로 그 딥러닝 변형을 확장한다. 이러한 확장은 이상 세그멘테이션을 가능하게 하며, 탐지 성능 또한 향상시킨다. 그 결과, MVTec AD 데이터셋에서 측정된 AUROC 기준으로 이상 탐지 성능은 기존 최고 성능 기법 대비 9.8% 향상되었으며, 이상 세그멘테이션 성능은 7.0% 향상되었다. 본 연구의 결과는 제안된 방법의 유효성을 입증하며 산업 적용 가능성도 시사한다. 제안된 방법에 대한 철저한 분석을 통해 그 동작 메커니즘에 대한 통찰을 제공하며, 관련 코드는 온라인으로 공개되어 있다.