템플릿 기반 계층적 특징 복원을 통한 이상 탐지

다양한 크기의 이상을 탐지하기 위해 복잡한 정상 패턴에 대응하기 위해, 우리는 이상 없는 특징 복원을 위한 두 가지 핵심 기술인 볼트넥 압축(bottleneck compression)과 템플릿 유도 보상(template-guided compensation)을 도입한 템플릿 유도 계층적 특징 복원 방법을 제안한다. 특히, 본 연구 프레임워크는 정상 샘플 간에 공유되는 가장 중요한 특징을 유지하기 위해 이미지의 계층적 특징을 볼트넥 구조를 통해 압축한다. 또한, 왜곡된 특징을 이상 없는 특징으로 복원하기 위해 템플릿 유도 보상 기법을 설계하였다. 특히, 가장 유사한 정상 샘플을 템플릿으로 선택하고, 이 템플릿의 계층적 특징을 활용하여 왜곡된 특징을 보완한다. 볼트넥 구조는 부분적으로 이상 특징을 필터링할 수 있으며, 보상 과정을 통해 잔여 이상 특징이 템플릿의 지시에 따라 정상 특징으로 변환된다. 최종적으로, 추론 이미지의 사전 훈련된 특징과 해당 복원된 이상 없는 특징 사이의 코사인 거리(cosine distance)를 기준으로 이상을 탐지한다. 실험 결과는 제안한 방법의 효과성을 입증하며, MVTec LOCO AD 데이터셋에서 최신 기술(SOTA) 수준의 성능을 달성하였다.