본 논문은 의료기기 제조 분야의 자동화된 시각 검사에서 발생하는 소규모 및 불균형 데이터셋, 고해상도 이미지, 엄격한 규제 요구사항과 같은 고유한 과제를 해결하기 위해 두 가지 주의 기반 오토인코더 아키텍처를 제안합니다. 첫 번째 아키텍처는 구조적 유사성 기반 점수 매기기 방식을 사용하여 경량의 실시간 결함 감지를 가능하게 하며, 제한된 지도 학습을 통해 추가로 향상될 수 있습니다. 두 번째 아키텍처는 축소된 잠재 특징에 대한 마할라노비스 점수를 사용하는 특징 거리 기반 전략을 적용하여 분포 변화를 모니터링하고 감독적 감시를 지원하도록 설계되었습니다. 대표적인 멸균 포장 데이터셋에 대한 평가 결과, 두 가지 방법 모두 하드웨어 제약이 있는 규제 환경에서 기준 모델보다 성능이 우수함을 확인했습니다. MVTec-Zipper 벤치마크에 대한 교차 도메인 테스트를 통해 구조적 유사성 기반 방법은 효과적으로 일반화되고 최첨단 방법과 비슷한 성능을 달성하는 반면, 특징 거리 기반 방법은 전이성이 떨어지지만 보완적인 모니터링 기능을 제공함을 보여줍니다. 이러한 결과는 강력한 인라인 감지를 위한 구조적 유사성과 감독 모니터링을 위한 특징 거리의 이중 경로 검사 전략을 강조합니다. 운영 성능과 해석력 및 수명 주기 모니터링을 결합하여 제안된 방법은 고위험 AI 시스템에 대한 새로운 규제 기대치에도 부합합니다.
