본 논문은 산업 현장의 이상 탐지(IAD)를 위해 물리적 지식과 추론이 필수적인 실제 시나리오를 반영한 대규모 실제 데이터셋인 Physics Anomaly Detection (Phys-AD)를 제시합니다. 실제 로봇 팔과 모터를 사용하여 수집된 Phys-AD는 22개의 실제 물체 카테고리와 47가지 유형의 이상 현상을 포함하는 6400개 이상의 동영상을 제공합니다. 본 논문에서는 Phys-AD에서의 이상 탐지를 위해 시각적 추론과 물리적 지식을 결합해야 함을 강조하고, 비지도 학습, 약지도 학습, 비디오 이해 세 가지 설정에서 최첨단 이상 탐지 방법을 벤치마킹하여 물리적 기반 이상 현상 처리의 한계를 보여줍니다. 또한, 이상 탐지뿐 아니라 그 원인에 대한 정확한 설명을 제공하는 능력을 평가하기 위한 Physics Anomaly Explanation (PAEval) 지표를 제시합니다.
