Jiawei Liu Jiahe Hou Wei Wang Jinsong Du Yang Cong Huijie Fan

초록

이상 탐지(Anomaly detection)는 정상 패턴에서 벗어난 이상 현상을 식별하는 것을 목표로 하며, 정상 데이터의 양이 제한적이기 때문에 도전적인 과제이다. 기존의 대부분의 통합적 접근법은 객체 간 논리적 관계를 포착하기 위해 신중하게 설계된 이미지 특징 추출기와 메모리 백업을 활용하지만, 본 연구에서는 논리적 이상 탐지의 성능을 향상시키기 위해 텍스트 기반 메모리 백업을 도입한다. 구체적으로, 구조적 이상과 논리적 이상을 통합적으로 탐지하기 위한 ‘세 가지 메모리 기반의 통합 이상 탐지 프레임워크(TMUAD: Three-Memory framework for Unified structural and logical Anomaly Detection)’를 제안한다. 첫째, 입력 이미지에서 객체의 풍부한 논리적 설명을 추출할 수 있는 논리 인식형 텍스트 추출기(logic-aware text extractor)를 통해 클래스 수준의 텍스트 메모리 백업을 구축한다. 둘째, 분할된 객체로부터 특징을 추출하여 객체 수준의 이미지 메모리 백업을 구성함으로써 객체의 완전한 윤곽을 유지한다. 셋째, 패치 수준의 이미지 특징을 추출하기 위해 시각 인코더(visual encoders)를 활용하여 구조적 이상 탐지용 패치 수준의 메모리 백업을 구축한다. 이 세 가지 보완적인 메모리 백업은 쿼리 이미지와 가장 유사한 정상 이미지를 검색하고 비교하며, 다중 수준에서 이상 점수를 계산한 후 이를 융합하여 최종 이상 점수를 도출한다. 서로 협업하는 메모리 백업을 통해 구조적 이상과 논리적 이상 탐지를 통합함으로써, TMUAD는 산업 및 의료 분야를 포함한 7개의 공개 데이터셋에서 최신 기준(SOTA, state-of-the-art) 성능을 달성하였다. 모델 및 코드는 다음 URL에서 공개되어 있다. https://[해당 URL]