AnoGen은 산업 검사에서의 이상 탐지 문제를 해결하기 위한 새로운 방법론입니다. 기존 방법들이 인공적으로 이상 현상을 생성하는 데 어려움을 겪는 것과 달리, AnoGen은 소수의 실제 이상 현상만으로도 현실적이고 다양한 이상 현상을 생성하는 확산 모델 기반의 방법을 제시합니다. 이는 세 단계로 구성됩니다. 먼저, 소수의 실제 이상 현상을 기반으로 이상 분포를 학습하고 이를 임베딩에 주입합니다. 다음으로, 이 임베딩과 바운딩 박스를 사용하여 특정 객체 또는 질감에 현실적이고 다양한 이상 현상을 생성합니다. 마지막으로, 생성된 이상 현상을 이용하여 약지도 학습 기반의 이상 탐지 모델을 학습시켜 성능을 향상시킵니다. MVTec 데이터셋을 이용한 실험 결과, AnoGen은 이상 분류 및 분할 작업 모두에서 성능 향상을 보였습니다. (예: DRAEM과 DesTSeg의 분할 작업 AU-PR 지표가 각각 5.8%와 1.5% 향상) 소스 코드와 생성된 이상 데이터는 GitHub에서 공개됩니다.
