본 논문은 산업 현장의 이상 탐지를 위한 새로운 대규모 데이터셋인 Physics Anomaly Detection (Phys-AD)을 제시합니다. Phys-AD는 실제 로봇 팔과 모터를 사용하여 수집된 6400개 이상의 비디오를 포함하며, 22개의 실제 물체 카테고리와 47가지 유형의 이상 현상을 보여줍니다. 기존의 정적이고 의미적으로 단순한 데이터셋과 달리, Phys-AD는 물리적 이해와 추론이 필수적인 동적인 실제 시나리오를 제공합니다. 논문에서는 비지도 학습, 약지도 학습, 비디오 이해 세 가지 설정 하에서 최첨단 이상 탐지 방법들을 평가하고, 물리적 원인에 대한 정확한 설명을 제공하는 능력을 평가하기 위한 새로운 지표인 Physics Anomaly Explanation (PAEval)을 제안합니다. 데이터셋과 벤치마크는 공개적으로 제공될 예정입니다.
