초록
최근의 판별형 비지도 표면 이상 탐지 기술은 이상 증강 학습 이미지를 생성하기 위해 외부 데이터셋에 의존하고 있다. 그러나 이러한 접근 방식은 이상이 정상 영역과 유사한 근접 분포 이상(near-in-distribution anomalies)에 대해서는 성능이 저하되기 쉬운데, 이는 이러한 이상을 현실적으로 합성하기 어려운 특성 때문이다. 본 연구에서는 이중 디코더를 갖춘 양자화된 특징 공간 표현 기반 아키텍처인 DSR(Dual-Decoder with Quantized feature space Representation)를 제안한다. 이 방법은 이미지 수준의 이상 합성 과정을 완전히 배제함으로써, 이상의 시각적 특성에 대한 어떠한 가정도 필요 없이, 학습된 양자화된 특징 공간에서 샘플링을 통해 특징 수준에서 이상을 생성할 수 있다. 이를 통해 근접 분포 이상을 제어 가능한 방식으로 생성할 수 있다. DSR는 KSDD2 및 MVTec 이상 탐지 데이터셋에서 최신 기술 수준의 성능을 달성하였으며, 도전적인 실세계 데이터셋인 KSDD2에 대한 실험 결과에서 기존의 비지도 표면 이상 탐지 기법들을 크게 능가함을 확인하였다. 특히 이상 탐지 성능에서는 이전 최고 성능을 기록한 방법보다 10%의 AP(평균 정확도) 향상을, 이상 위치 정확도에서는 35%의 AP 향상을 기록하며, 실용적 적용 가능성을 입증하였다.