PaDiM: 이상 탐지 및 국소화를 위한 패치 분포 모델링 프레임워크

우리는 일종의 학습 환경에서 이미지 내 이상 현상을 동시에 탐지하고 정확히 위치를 파악하기 위한 새로운 프레임워크인 Patch Distribution Modeling(PaDiM)을 제안한다. PaDiM은 사전 학습된 합성곱 신경망(CNN)을 사용하여 패치 임베딩을 수행하고, 다변량 정규 분포를 활용하여 정상 클래스에 대한 확률적 표현을 도출한다. 또한 CNN의 다양한 의미적 레벨 간의 상관관계를 활용하여 이상 현상의 정밀한 위치 추정을 가능하게 한다. PaDiM은 MVTec AD 및 STC 데이터셋에서 이상 탐지 및 위치 파악 측면에서 현재 최고 성능을 기록하는 기법들을 모두 상회한다. 실제 산업용 시각 검사 환경에 부합하기 위해, 정렬되지 않은 데이터셋에서도 이상 위치 파악 알고리즘의 성능을 평가할 수 있도록 평가 프로토콜을 확장하였다. PaDiM은 뛰어난 성능과 낮은 계산 복잡도를 동시에 갖추고 있어, 다양한 산업 응용 분야에 적합한 후보 기법으로 평가된다.