이미지 기반 결함 검출을 위한 완전 컨볼루션형 크로스스케일 플로우

산업 제조 공정에서 오류는 예측 불가능한 시점과 알 수 없는 형태로 자주 발생한다. 우리는 결함 부품의 이미지 샘플이 전혀 필요 없이 자동 결함 검출 문제를 해결한다. 최근의 연구들은 결함이 없는 이미지 데이터의 분포를 강한 통계적 사전 지식 또는 지나치게 단순화된 데이터 표현 방식을 사용하여 모델링하고 있다. 반면, 본 연구는 전역 및 국부적 이미지 맥락을 포함하는 세밀한 표현을 다루면서 밀도를 유연하게 추정하는 접근 방식을 제안한다. 이를 위해 다양한 스케일의 특징 맵을 동시에 처리할 수 있는 새로운 완전 컨볼루션형 다중 스케일 정규화 흐름(CS-Flow)을 제안한다. 정규화 흐름을 사용하여 입력 샘플에 의미 있는 가능도를 부여함으로써 이미지 수준에서 효율적인 결함 검출이 가능해진다. 또한 정규화 흐름의 잠재 공간이 공간적 배열을 유지하기 때문에 해석이 가능하며, 이는 이미지 내 결함 영역의 정확한 위치 추정을 가능하게 한다. 본 연구는 기준 데이터셋인 Magnetic Tile Defects와 MVTec AD에서 이미지 수준의 결함 검출 성능 측면에서 새로운 최고 기록을 달성하였으며, 총 15개 클래스 중 4개 클래스에서 AUROC가 100%를 기록하였다.