도메인 일반화된 텍스처 있는 표면 이상 탐지

이상 탐지(Anomaly detection)는 정상 데이터에서 벗어난 비정상 데이터를 식별하는 것을 목표로 하며, 일반적으로 모델이 이 작업을 수행할 수 있도록 충분한 양의 정상 데이터를 학습에 사용해야 한다. 최근의 이상 탐지 기법들은 성공을 거두었지만, 미지의 도메인에서 이상 탐지를 수행하는 것은 여전히 도전적인 과제로 남아 있다. 본 논문에서는 도메인 일반화된 질감 표면 이상 탐지 문제에 대해 다룬다. 여러 소스 도메인에서 정상 및 비정상 표면 데이터를 관찰함으로써, 본 모델은 테스트 시에 정상 데이터가 소수만 관측 가능한 미지의 질감 표면에도 일반화될 수 있도록 설계된다. 학습 데이터에서는 이미지 수준의 레이블만 관측되지만, 본 연구에서 제안하는 패치 기반 메타학습 모델은 놀라운 일반화 능력을 보여준다. 이는 단지 미지의 이미지 도메인으로의 일반화를 넘어서, 쿼리 이미지 내에서 비정상 영역을 정확히 지역화할 수 있음을 의미한다. 실험 결과를 통해 제안 모델이 다양한 설정에서 최신의 이상 탐지 및 도메인 일반화 기법들과 비교하여 유리한 성능을 보임을 입증하였다.