FastAno: 시공간 패치 변환을 통한 빠른 이상 탐지

영상 이상 탐지 기술은 감시 영상에 대한 자동 모니터링 수요 증가와 함께 큰 주목을 받고 있다. 특히, 예측 기반 접근법은 훈련 세트의 정상 프레임을 학습한 후 테스트 세트에 포함된 이상 사건을 포함하는 프레임을 예측함으로써 이상을 탐지하는 가장 널리 연구된 방법 중 하나이다. 그러나 많은 예측 네트워크는 사전 훈련된 광학 흐름(optical flow) 네트워크를 사용함으로써 계산량이 크며, 또는 이상 상황조차도 예측할 수 있는 강력한 생성 능력 때문에 이상을 탐지하지 못하는 문제가 있다. 이러한 한계를 보완하기 위해, 본 연구에서는 정상 프레임 큐브의 내부에서 비정형(patch) 큐브를 생성하기 위해 공간적 회전 변환(Spatial Rotation Transformation, SRT)과 시간적 혼합 변환(Temporal Mixing Transformation, TMT)을 제안한다. 이를 통해 정상적인 특징을 더욱 효과적으로 학습할 수 있다. 또한, 제안된 패치 변환은 훈련 단계에서만 사용되며, 추론 단계에서는 빠른 속도로 이상 프레임을 탐지할 수 있도록 한다. 제안된 모델은 세 가지 이상 탐지 기준 데이터셋에서 평가되었으며, 정확도 면에서 경쟁력을 갖추고 있으며, 속도 측면에서 이전의 모든 기법들을 능가하였다.