본 논문은 여러 클래스에 걸쳐 이상 탐지를 수행하는 다중 클래스 비지도 이상 탐지(MUAD)를 위한 새로운 프레임워크인 ShortcutBreaker를 제안한다. Transformer 기반 아키텍처의 성능 향상에도 불구하고, 입력에서 출력으로의 직접적인 복사(identity shortcuts)로 인해 정상 및 비정상 사례 간의 재구성 오류 차이가 좁혀지는 문제를 해결하고자 한다. 이를 위해, 낮은 랭크의 잡음 병목 현상(LRNB)을 통해 고차원 특징을 낮은 랭크의 잠재 공간으로 투영하여 identity reproduction을 방지하고, 글로벌 퍼터베이션 어텐션을 통해 디코더에서 정보 단축(information shortcuts)을 방지한다. MVTec-AD, ViSA, Real-IAD, Universal Medical 데이터셋에서 뛰어난 성능을 보였다.
시사점, 한계점
•
시사점:
◦
MUAD 문제에서 identity shortcuts 문제를 해결하기 위한 새로운 프레임워크 제안
