17일 전
FastRecon: 빠른 특징 재구성에 의한 소수 샘플 산업 이상 탐지
{Jimin Xiao, Qiugui Hu, Jiejie Liu, Haocheng Li, Xiaoyang Wang, Zheng Fang}

초록
산업용 이상 탐지 분야에서 탐지 알고리즘을 개발할 때 데이터 효율성과 다양한 제품 간 빠른 이식성은 주요 고려 사항이 된다. 기존의 방법들은 일반적으로 데이터 소비가 크며, 한 모델이 한 카테고리에만 적용되는 방식을 취하기 때문에 실제 산업 환경에서의 효과성을 제한한다. 본 논문에서는 낮은 데이터 환경에서도 작동 가능하며, 제품 간 전이에 비용 없이 일반화가 가능한 소수 샘플 기반 이상 탐지 전략을 제안한다. 결함이 있는 쿼리 샘플을 기준으로, 몇 개의 정상 샘플을 참조로 사용하여 해당 샘플의 정상 버전을 재구성하는 방식을 제안하며, 최종적으로 샘플 정렬을 통해 이상 탐지를 달성한다. 구체적으로, 지원 샘플(feature)에서 쿼리 샘플(feature)로의 최적 변환을 도출하기 위해 분포 정규화를 적용한 새로운 회귀 모델을 도입한다. 이는 재구성 결과가 쿼리 샘플과 시각적으로 유사성을 유지하면서도 정상 샘플의 특성을 유지함을 보장한다. 실험 결과, 본 방법은 2-shot부터 8-shot까지의 다양한 시나리오에서 이미지 수준 및 픽셀 수준의 AUROC 성능 면에서 기존 최고 성능 기법들을 크게 상회함을 보였다. 더불어, 단지 8개 미만의 훈련 샘플만으로도, 방대한 정상 샘플을 활용해 훈련된 전통적인 이상 탐지 방법과 경쟁 가능한 성능을 달성하였다.