본 논문은 건설 환경(교량, 건물 등)에서 이미지 기반 이상 탐지를 위한 새로운 과제인 Scene Anomaly Detection (Scene AD)을 정의하고, 이를 위한 새로운 벤치마크 데이터셋 ToyCity와 새로운 방법론 OmniAD를 제시합니다. Scene AD는 다양한 카메라 시점, 여러 객체 존재, 그리고 이상 현상 레이블 부재 등 실제 환경의 어려움을 고려하여 비지도 학습 기반 픽셀 단위 이상 탐지를 목표로 합니다. ToyCity 데이터셋은 다중 객체, 다중 시점의 실제 이미지로 구성되며, 기존 이상 탐지 방법론의 한계를 보여줍니다. 이를 개선하기 위해, 합성 이미지를 활용한 데이터 증강 전략과 Reverse Distillation 방법론을 개선한 OmniAD를 제안하며, OmniAD는 데이터 증강과 함께 사용 시 기존 방법 대비 픽셀 단위 F1 score를 64.33% 향상시켰습니다. 결론적으로 본 논문은 Scene AD 과제 정의, ToyCity 벤치마크, 데이터 증강 기법, 그리고 OmniAD 방법론을 제시합니다.
