초록
이상 샘플은 학습에 사용될 수 없기 때문에, 많은 이상 탐지 및 위치 추정 방법은 사전 학습된 네트워크와 비모수적 모델링을 활용하여 인코딩된 특징 분포를 추정한다. 그러나 이러한 방법들은 정상 특징 분포에 대한 위치 및 주변 정보의 영향을 간과한다. 이를 해결하기 위해 우리는 주변 특징을 조건으로 하여 정상 분포를 추정하는 새로운 알고리즘 \textbf{PNI}를 제안한다. 이 알고리즘은 다층 퍼셉트론 네트워크를 활용하여 조건부 확률을 모델링한다. 또한 각 위치에서 대표적인 특징에 대한 히스토그램을 생성함으로써 위치 정보를 효과적으로 활용한다. 단순히 이상 맵을 크기 조정하는 대신, 제안된 방법은 합성 이상 이미지로 훈련된 추가적인 정제 네트워크를 사용하여 입력 이미지의 형태와 에지 정보를 더 정교하게 보간하고 반영한다. 우리는 MVTec AD 기준 데이터셋에서 실험을 수행하여 이상 탐지 및 위치 추정에서 각각 \textbf{99.56\%} 및 \textbf{98.98\%}의 AUROC 점수를 달성하며 최신 기술 수준의 성능을 보였다.