SplatPose & Detect: 자세에 관계없는 3D 이상 탐지

이미지에서 이상 징후를 감지는 학계와 산업계 모두에서 잘 연구된 문제입니다. 최신 알고리즘은 점점 어려운 환경과 데이터 모드에서 결함을 감지할 수 있습니다. 그러나 대부분의 현재 방법들은 서로 다른 자세로 촬영된 3D 객체를 처리하기에 적합하지 않습니다. 신경 방사장(Neural Radiance Fields, NeRFs)을 사용하는 해결책이 제안되었지만, 이들은 과도한 계산 요구사항으로 인해 실제 활용성이 제한됩니다. 이러한 이유로, 우리는 새로운 3D 가우시안 스플래팅 기반 프레임워크인 SplatPose를 제안합니다. 이 프레임워크는 3D 객체의 다중 시점 이미지를 주어졌을 때, 미확인 시점의 자세를 미분 가능한 방식으로 정확히 추정하고, 그 중에서 이상 징후를 감지합니다. 우리는 경쟁 방법들보다 적은 훈련 데이터를 사용하더라도 훈련 및 추론 속도와 감지 성능 면에서 최고 수준의 결과를 달성하였습니다. 우리는 최근 제안된 포즈 독립적 이상 징후 검출(Pose-agnostic Anomaly Detection) 벤치마크와 그 다중 자세 이상 징후 검출(Multi-Pose Anomaly Detection, MAD) 데이터 세트를 사용하여 우리의 프레임워크를 철저히 평가하였습니다.