LG AI Research: 산업용 이상 탐지 기술

이상 탐지(Anomaly Detection)는 데이터셋에서 예상된 패턴을 벗어난 변칙적인 패턴을 식별하는 기술이다. 딥러닝 기반 이상 탐지는 정상 데이터의 패턴 분포를 학습한 뒤, 이와 다른 패턴을 감지하는 방식으로 작동하며 보안 및 금융 분야에서도 널리 활용된다.

제조 산업의 비전 검사(Vision Inspection) 분야에서는 제품 표면의 결함을 찾는 것이 품질 관리의 핵심이다. 하지만 실제 공정에서는 결함 제품의 수가 매우 적어 클래스 불균형(Class Imbalance) 문제가 발생하며, 학습 시 보지 못한 새로운 유형의 결함이 나타날 경우 모델이 오작동할 위험이 있다.

이러한 문제를 해결하기 위해 제품 이미지의 이상을 탐지하는 방식은 크게 세 가지로 분류된다.

• 재구성 기반(Reconstruction-based) 방식: 정상 제품의 특징을 저차원 임베딩 벡터로 표현한 뒤, 재구성 과정에서 발생하는 **재구성 오차(Reconstruction Error)**를 측정한다. Autoencoder, GAN, 최근에는 Diffusion 모델 등이 사용된다.
• 밀도 기반(Density-based) 방식: 정상 데이터가 밀집된 영역을 모델링하여, 밀도가 낮은 곳에 위치한 데이터를 이상치로 판단한다. Gaussian Mixture Model, Normalizing Flows 등이 대표적이다.
• 거리 기반(Distance-based) 방식: 정상 제품의 대표 특징으로부터 얼마나 떨어져 있는지 수치로 측정한다. CVPR 2022에서 발표된 PatchCore가 이 분야의 선두 주자다.

LG AI Research의 Vision Lab은 산업 현장의 생산성과 효율을 높이기 위해 이러한 기술을 연구하고 있으며, 대표적인 알고리즘인 PatchCore와 WACV 2024에서 발표한 ReConPatch를 소개한다.