초록
이미지 이상 탐지 및 분할 분야에서 상당한 발전이 이루어졌음에도 불구하고, 3D 정보를 활용하는 방법은 거의 없습니다. 우리는 최근 소개된 3D 이상 탐지 데이터셋을 사용하여 3D 정보의 활용이 놓친 기회인지 평가합니다. 먼저, 놀라운 결과를 제시합니다: 표준 색상만을 사용하는 방법들이 3D 정보를 명시적으로 활용하도록 설계된 모든 현재의 방법들을 능가합니다. 이는 직관에 반하는 결과로, 데이터셋을 간단히 검토해도 색상만을 사용하는 방법들이 기하학적 이상이 포함된 이미지를 처리하기에 부족하다는 것을 알 수 있습니다. 이러한 결과는 다음과 같은 질문을 제기합니다: 이상 탐지 방법들은 어떻게 하면 효과적으로 3D 정보를 활용할 수 있을까요? 우리는 수작업으로 생성된 형태 표현과 딥러닝 기반의 형태 표현 등 다양한 형태 표현을 조사하며, 회전 불변성이 성능에 가장 큰 역할을 한다는 점을 입증합니다. 또한, 딥러닝, 외부 사전 학습 데이터셋 또는 색상 정보를 사용하지 않으면서도 모든 최근 접근법들을 능가하는 단순한 3D 전용 방법을 발견하였습니다. 그러나 3D 전용 방법은 색상과 질감의 이상을 감지할 수 없으므로, 이를 색상 기반 특징들과 결합하여 이전 최신 연구보다 크게 우수한 성능을 달성하였습니다. 우리의 방법은 'BTF (Back to the Feature)'라는 이름으로, MVTec 3D-AD에서 화소 단위 ROCAUC: 99.3%, PRO: 96.4%의 성능을 보여주었습니다.