PyramidFlow: 피라미드 정규화 흐름을 이용한 고해상도 결함 대비 국소화

산업 공정 중 불가피한 외부 요인으로 인해 제품에 예기치 않은 결함이 발생할 수 있다. 비지도 학습 기반의 기법은 결함 위치 추정에 성공적으로 활용되어 왔지만, 일반적으로 사전 학습된 모델을 사용함으로써 출력 해상도가 낮아져 시각적 성능이 저하되는 문제가 있다. 이 문제를 해결하기 위해 본 연구에서는 사전 학습 모델 없이도 고해상도 결함 위치 추정이 가능한, 최초의 완전한 정규화 흐름(Flow) 기반 방법인 PyramidFlow를 제안한다. 구체적으로, 사전 학습 모델이 수행하는 것과 유사하게 클래스 내 변동성(내부 차이)을 줄이기 위해 잠재적 템플릿 기반의 결함 대비 위치 추정 패러다임을 제안한다. 또한 PyramidFlow는 계층적 구조를 가진 정규화 흐름을 활용하여 다중 해상도 특징을 융합하고, 볼륨 정규화(volume normalization)를 통해 일반화 성능을 향상시킨다. MVTecAD에 대한 종합적인 실험 결과를 통해, 본 방법은 외부 사전 지식을 사용하지 않는 기존 알고리즘들보다 우수한 성능을 보이며, 특히 더 도전적인 BTAD 시나리오에서는 최첨단 성능을 달성함을 입증하였다.