점수 기반 교란 내성성을 이용한 이상 탐지

비지도 이상 탐지 기법은 이상 데이터를 확보하기 어려운 산업 응용 분야에서 널리 연구되고 있다. 특히 외부 지식(예: 추가 데이터셋 또는 사전 학습 모델)을 사용할 수 없는 상황에서는 재구성 기반 이상 탐지 기법이 실용적인 대안이 될 수 있다. 그러나 재구성 기반 방법은 탐지 성능이 낮아 제한된 활용도를 보인다. 최근, 점수 기반 모델(또는 노이즈 제거 확산 모델)은 생성 과제에서 높은 샘플 품질을 보여주며 주목받고 있다. 본 논문에서는 점수 기반 모델을 활용한 새로운 비지도 이상 탐지 방법을 제안한다. 이 방법은 외부 지식 없이도 우수한 성능을 달성할 수 있다. 점수는 로그 우도의 기울기(log-likelihood gradient)로, 이상 탐지에 활용 가능한 성질을 지닌다. 데이터 매니폴드 상의 샘플은 임의의 편차가 가해져도 점수를 통해 즉각적으로 복원될 수 있다. 이를 우리는 '점수 기반 편차 내성(scorе-based perturbation resilience)'이라 부른다. 반면, 매니폴드에서 벗어난 샘플은 동일한 방식으로 복원될 수 없다. 샘플의 위치에 따라 내성 정도가 달라지는 특성은 이상 여부를 구분하는 지표로 활용될 수 있다. 본 연구에서는 이 성질을 기하학적 관점에서 이론적으로 도출하였다. 제안하는 방법은 산업용 이상 탐지의 세 가지 벤치마크 데이터셋에서 뛰어난 성능을 보였다. 특히 MVTec AD 데이터셋에서 이미지 수준 AUROC는 97.7%, 픽셀 수준 AUROC는 97.4%를 달성하여, 외부 지식을 사용하지 않는 기존 연구들보다 우수한 성능을 보였다.