LG AI Research 401

이상 탐지(Anomaly Detection)는 데이터 집합에서 일반적인 패턴을 벗어난 비정상적인 패턴을 찾아내는 기술이다. 이는 보안, 금융, 제조 등 다양한 분야에서 널리 활용되고 있다.

제조 산업의 비전 검사에서는 결함 데이터가 매우 적은 클래스 불균형(Class Imbalance) 문제가 발생한다. 이를 해결하기 위해 정상 제품의 특징 분포를 학습하여 이를 벗어난 특징을 검출하는 이상 탐지 모델이 사용된다.

제품 이미지에서 이상을 감지하는 방법은 크게 세 가지로 분류된다.

• 복원(Reconstruction) 기반: Autoencoder나 Diffusion Model을 사용하여 복원 오류(Error)의 편차를 측정한다.
• 밀도(Density) 기반: 가우스 혼합 모델(GMM) 등을 통해 데이터의 확률 밀도를 측정한다.
• 거리(Distance) 기반: 정상 특징으로부터의 거리를 측정하며, 대표적인 모델로 PatchCore가 있다.

PatchCore는 ImageNet 사전 학습 모델을 통해 패치 단위의 특징을 추출하고, **코어셋 샘플링(Coreset Sampling)**을 통해 메모리 뱅크에 대표 특징을 저장한다. 이를 통해 메모리 사용량과 추론 시간을 최적화하면서도 전체 특징 분포의 다양성을 보존할 수 있다.