산업용 표면 이상 탐지를 위한 엣지 이미지 재구성과 색상 및 기울기 차이의 결합

재구성 기반 방법은 산업용 시각 이상 탐지 분야에서 널리 연구되고 있다. 이러한 방법은 일반적으로 정상 패턴은 잘 재구성하지만 이상 패턴은 재구성에 실패하게 되며, 이를 통해 재구성 오차를 평가함으로써 이상을 탐지할 수 있다. 그러나 실질적으로는 모델의 일반화 경계를 정확히 조절하는 것이 어렵다. 과도하게 강한 일반화 능력을 가진 모델은 이상 영역까지도 잘 재구성할 수 있어 이상과 정상 간의 구분이 어려워지며, 반대로 일반화 능력이 낮은 모델은 정상 영역 내의 변화가 잦은 고주파 성분을 제대로 재구성하지 못해 결국 거짓 긍정(false positive)이 발생한다. 이러한 문제를 해결하기 위해, 본 연구에서는 원본 RGB 이미지를 회색조 엣지(EdgRec)로부터 재구성하는 새로운 재구성 네트워크를 제안한다. 구체적으로, 스케일 연결(skip connections)을 갖춘 UNet 구조의 노이즈 제거 오토인코더를 활용하여 이를 실현한다. 입력으로 사용되는 엣지 정보와 스케일 연결은 원본 이미지 내의 고주파 정보를 효과적으로 보존할 수 있다. 동시에 제안된 복원 과제는 네트워크가 정상 영역의 저주파 및 색상 정보를 기억하도록 유도한다. 더불어 노이즈 제거 설계는 모델이 원본 이미지의 고주파 성분을 직접 복사하는 것을 방지한다. 이상을 평가하기 위해, 본 연구는 색상 차이와 기울기 차이를 동시에 고려하는 새로운 해석 가능한 수작업 평가 함수를 제안한다. 제안된 방법은 도전적인 벤치마크인 MVTec AD에서 우수한 성능을 보였으며, 탐지 성능(AUROC)은 97.8%, 정위치화 성능(AUROC)은 97.7%를 기록했다. 또한 RGB 이미지만을 사용하는 조건에서 MVTec 3D-AD 데이터셋에 대한 실험을 수행하여 설득력 있는 결과를 도출하였다. 본 연구의 코드는 https://github.com/liutongkun/EdgRec에서 공개될 예정이다.