본 논문은 산업용 X선 컴퓨터 단층촬영(CT)에서 빠른 검사의 필요성에 주목하여, 투영 횟수를 줄임으로써 처리 속도를 높이고 자원을 절약하는 희소각 단층촬영 기법을 개선하는 연구를 제시합니다. 기존 방법들이 재구성 품질과 스캔 시간의 균형을 고정된 스캔 시간에 의존하여 맞추는 것과 달리, 본 논문에서는 객체의 복잡성이나 투영의 노이즈 수준에 따라 각도 수를 동적으로 조절하는 최적 정지 개념을 순차적 최적 실험 설계(sOED)와 강화학습(RL)에 통합합니다. 특히, Actor-Critic 프레임워크 내에서 정책 경사를 계산하는 새로운 방법을 제안하여 정보가 풍부한 각도 선택 및 스캔 종료를 위한 적응형 정책을 개발합니다. 또한, 개발된 학습 기반 방법의 시뮬레이션과 실제 응용 간의 차이점을 조사하고, 합성 데이터를 사용하여 훈련된 모델이 실험적 X선 CT 데이터에도 안정적으로 작동함을 보여줍니다. 결과적으로, 이 방법은 CT 작업의 유연성을 향상시키고 산업 환경에서 희소각 단층촬영의 적용 가능성을 확장합니다.
