FAIR: 산업용 시각적 이상 탐지를 위한 주파수 인지 이미지 복원

이미지 재구성 기반의 이상 탐지 모델은 산업용 시각 검사 분야에서 널리 연구되고 있다. 그러나 기존의 모델들은 일반적인 재구성 정밀도와 이상 패턴의 재구성 구별력 사이의 트레이드오프 문제에 시달리며, 이로 인해 성능이 저하되는 경향이 있다. 본 논문에서는 일반 패턴과 이상 패턴의 재구성 오차 간에 존재하는 고유한 주파수 편향(frequency bias)을 활용함으로써 이러한 트레이드오프를 보다 효과적으로 완화할 수 있음을 발견하였다. 이를 바탕으로, 고주파 성분에서 이미지를 복원하는 새로운 자기지도 학습(image restoration) 작업인 주파수 인지 이미지 복원(Frequency-aware Image Restoration, FAIR)을 제안한다. FAIR는 정상 패턴에 대해 정밀한 재구성을 가능하게 하면서도 이상 패턴에 대한 부정적인 일반화를 완화한다. 단순한 백본 모델인 Vanilla UNet만을 사용함에도 불구하고, 다양한 결함 탐지 데이터셋에서 최신 기준(SOTA) 성능을 달성하며 높은 효율성을 보인다. 코드: https://github.com/liutongkun/FAIR.