Background-Aware Defect Generation for Robust Industrial Anomaly Detection
Created by
- Haebom
Category
Empty
저자
Youngjae Cho, Gwangyeol Kim, Sirojbek Safarov, Seongdeok Bang, Jaewoo Park
개요
산업 환경에서의 이상 탐지는 이상 데이터의 부족으로 어려움을 겪는다. 생성 모델은 현실적인 결함 샘플을 합성하여 이 문제를 완화할 수 있지만, 기존 접근 방식은 결함과 배경 간의 상호 작용을 모델링하는 데 실패하는 경우가 많다. 이러한 간과는 특히 문맥적 일관성이 중요한 시나리오(즉, 논리적 이상 현상)에서 비현실적인 이상 현상을 초래한다. 이를 해결하기 위해 배경 인식 결함 생성 프레임워크를 제안한다. 이 프레임워크는 배경이 결함 제거에 영향을 미치지 않으면서 현실적인 합성을 유지하고 구조적 무결성을 보존하여 배경이 결함 제거에 영향을 미치도록 한다. 본 방법은 배경의 제거 과정과 결함을 분리하기 위해 분리 손실을 활용하여 DDIM Inversion을 통해 제어된 결함 합성을 가능하게 한다. 이론적으로 본 접근 방식이 배경 충실도를 유지하면서 문맥적으로 정확한 결함을 생성함을 보여준다. MVTec AD 및 MVTec Loco 벤치마크에 대한 광범위한 실험은 결함 생성 품질과 이상 탐지 성능 모두에서 기존 기술보다 본 방법의 우수성을 입증한다.
시사점, 한계점
•
시사점: 배경과 결함 간의 상호작용을 고려한 현실적인 결함 생성 및 이상 탐지 성능 향상. DDIM Inversion을 이용한 제어된 결함 합성 가능. MVTec AD 및 MVTec Loco 벤치마크에서 기존 방법 대비 우수한 성능 입증.
•
한계점: 제안된 방법의 일반화 성능에 대한 추가적인 검증 필요. 다양한 산업 환경 및 결함 유형에 대한 적용성 연구 필요. 특정 유형의 결함에 대한 편향 가능성 존재.
