학습 없이 하이브리드 프롬프트 정규화를 통한 임의의 이상 현상 세그멘테이션

우리는 현대 기초 모델의 적응성 향상을 위해 하이브리드 프롬프트 정규화를 도입한 제로샷 이상치 세그멘테이션을 위한 새로운 프레임워크인 Segment Any Anomaly + (SAA+)를 제안한다. 기존의 이상치 세그멘테이션 모델은 일반적으로 도메인 특화된 미세 조정(fine-tuning)에 의존하여, 수많은 이상 패턴 간의 일반화 능력이 제한되어 있었다. 본 연구에서는 Segment Anything과 같은 기초 모델이 가지는 뛰어난 제로샷 일반화 능력을 영감으로 삼아, 다양한 다중 모달 사전 지식을 활용하기 위해 이러한 모델들을 조합하는 방식을 탐구한다. 비파라미터 기초 모델을 이상치 세그멘테이션에 적응시키기 위해, 도메인 전문가 지식과 타겟 이미지의 맥락에서 유도된 하이브리드 프롬프트를 정규화 요소로 도입한다. 제안하는 SAA+ 모델은 VisA, MVTec-AD, MTD, KSDD2 등의 여러 이상치 세그멘테이션 벤치마크에서 제로샷 설정에서 최신 기술(SOTA) 성능을 달성하였다. 코드는 \href{https://github.com/caoyunkang/Segment-Any-Anomaly}{https://github.com/caoyunkang/Segment-Any-Anomaly} 에서 공개될 예정이다.