인페인팅을 이용한 재구성 기반 시각적 이상 탐지

시각적 이상 탐지는 이미지 내 정상적인 모습에서 벗어난 영역을 분류하거나 위치를 식별하는 문제를 다룹니다. 일반적인 접근 방식은 이상 없이 구성된 이미지에 대해 오토인코더를 훈련시킨 후, 입력 이미지와 재구성된 이미지 간의 차이를 계산하여 이상을 탐지하는 것입니다. 이 방법은 이상 영역에 대해 오토인코더가 정확히 재구성할 수 없다는 가정을 내포하고 있습니다. 그러나 실질적으로 신경망은 이상 영역에도 잘 일반화되어 충분히 잘 재구성하기 때문에, 탐지 성능이 저하되는 문제가 발생합니다. 만약 이상 영역의 픽셀이 오토인코더가 볼 수 없었다면, 정확한 재구성은 훨씬 덜 가능할 것입니다. 따라서 우리는 이상 탐지를 자기지도 학습 기반의 '입페인팅을 통한 재구성' 문제로 재정의합니다. 제안하는 방법(RIAD)은 이미지의 일부 영역을 무작위로 제거하고, 부분적인 입페인팅 정보로부터 전체 이미지를 재구성함으로써 오토인코딩 기법의 단점을 극복합니다. RIAD는 여러 벤치마크에서 광범위하게 평가되었으며, 최근에 등장한 매우 도전적인 이상 탐지 벤치마크에서 새로운 최고 성능(SOTA)을 달성했습니다.