초록
우리는 비지도 이상 탐지 분할을 위한 반직교 임베딩의 효율성을 제안한다. 최근, 사전 훈련된 CNN의 다중 스케일 특징을 활용하여 국소적 마할라노비스 거리를 계산하는 방법이 성능 향상에 기여하고 있다. 그러나 특징 크기가 증가함에 따라, 더 큰 CNN에 적용하기에는 문제가 발생한다. 이는 다차원 공분산 텐서의 배치 역행렬 계산이 필요하기 때문이다. 본 연구에서는 임의의 특징 선택이라는 사례 기반 기법을 일반화하여, 다차원 공분산 텐서의 역행렬 계산에 있어 계산 비용을 세제곱으로 감소시키는 강건한 근사 방법인 반직교 임베딩을 제안한다. 제안된 방법은 아블레이션 연구를 통해 MVTec AD, KolektorSDD, KolektorSDD2, mSTC 데이터셋에서 기존 최고 성능을 크게 상회하는 새로운 최고 수준의 성능을 달성하였다. 이론적 및 실험적 분석을 통해 간단하면서도 비용 효율적인 본 방법의 타당성과 효과를 입증하였다.