초록
단일 이미지에서의 이상 탐지는 이상 데이터가 항상 희귀하며, 예측할 수 없는 다양한 형태를 가질 수 있기 때문에 도전 과제가 된다. 이상이 없는 데이터만 존재하는 상황에서, 기존의 대부분의 방법들은 AutoEncoder를 사용하여 입력 이미지를 재구성하고, 입력과 출력 간의 차이를 분석함으로써 이상 영역을 식별한다. 그러나 이러한 접근 방식은 잠재적인 문제를 안고 있다. 즉, 원시적인 재구성은 불필요한 이미지 차이를 생성할 수 있고, 반면 고해상도 재구성은 이상 영역까지 포함할 위험이 있다. 본 논문에서는 이러한 모순을 해결하기 위해, 고해상도이면서도 이상이 포함되지 않은 재구성을 생성하는 이단계 접근법을 제안한다. 제안하는 비지도 이단계 이상 탐지(UTAD: Unsupervised Two-stage Anomaly Detection)는 인상 추출기(IE-Net)와 전문가 네트워크(Expert-Net)라는 두 가지 기술적 구성 요소에 기반한다. IE-Net과 Expert-Net은 이단계 이상 없는 이미지 재구성 작업을 수행하면서도 직관적인 중간 결과를 생성함으로써, 전체 UTAD의 해석 가능성을 확보한다. 광범위한 실험 결과는 제안한 방법이 다양한 실제 객체와 질감을 가진 네 가지 이상 탐지 데이터셋에서 최신 기술들을 초월함을 보여준다.