본 논문은 산업용 이상 탐지(IAD)에서 기존의 제로샷 결함 분할 및 탐지 방법의 한계를 극복하기 위해, 대규모 다중 모드 모델을 활용한 새로운 접근 방식을 제시한다. 기존 방법들이 결함에 대한 자세한 설명을 제공하지 못하고, 과적합 문제로 질의응답 성능과 마스크 기반 근거 제시 기능 간의 균형을 맞추는 데 어려움을 겪는다는 점을 지적하며, 대화 기능과 핵심 특징 추출을 분리하는 전용 다중 모드 결함 위치 파악 모듈을 도입한다. 독립적인 최적화 목표와 맞춤형 학습 전략을 통해 이러한 분리를 달성하고, 다양한 결함 유형과 산업 시나리오를 포함하는 새로운 다중 모드 산업 이상 탐지 훈련 데이터셋 DDQA를 공개한다. 제안된 방법인 EIAD(Explainable Industrial Anomaly Detection Assistant)는 결함 탐지 및 위치 파악 작업에서 우수한 성능을 달성하며, 정확도 향상과 해석력 향상을 동시에 제공한다.
