Flownomaly: 소수샷 이상 탐지를 위한 단일 단계 조건부 평균 복구

원문 발행 2026. 10. 24. 02:53원문 언어 영어AI 한국어 번역arXiv cs.LG 원문 보기

요약

Flownomaly는 소수샷(Few-shot) 산업용 이상 탐지를 위해 고안된 방법론입니다. 기존 방식의 한계를 극복하고자, DINOv2 특징 공간 내에서 조건부 흐름 매칭을 사용하여 정상 대응물 복구 문제를 해결합니다. 단일 단계 복구 과정을 통해 높은 정확도를 달성하며, MVTec-AD 및 VisA 등 주요 벤치마크에서 최첨단 성능을 입증했습니다.

핵심 포인트

DINOv2 특징 공간 내 정상 대응물 복구 문제로 접근 방식을 전환함.
조건부 흐름 매칭(conditional flow matching)을 이용한 단일 단계 복구 과정을 사용함.
정상 데이터만을 활용하여 이상 탐지 능력을 확보하는 것이 핵심임.
1-샷 설정에서 MVTec-AD 및 VisA 등 주요 벤치마크 최고 성능을 기록함.

소수샷(Few-shot) 산업용 이상 탐지에는 극소수의 결함이 없는 이미지로부터 카테고리별 정상성을 모델링하는 것이 필요합니다. 기존 접근 방식들은 추론을 저장된 예시(exemplars)에 의존하거나, 경직된 선형 구조를 부과하거나, 혹은 이상적인 콘텐츠를 재현할 위험을 안고 있습니다. Flownomaly는 대신 이 문제를 고정된 DINOv2 특징 공간 내에서의 정상 대응물 복구 문제로 간주합니다. 주어진 정상 지원(normal supports)을 통해, 가우시안 노이즈(Gaussian noise)를 정상 특징 쪽으로 이동시키기 위해 조건부 흐름 매칭(conditional flow matching)을 이용해 고정된 패치 토큰에 걸쳐 속도장(velocity field)을 학습합니다. 직선 경로를 따라 최적의 필드 평가를 단 한 번만 사용하는 단일 복구 단계는 궤적 적분 없이 깨끗한 정상 토큰의 사후 평균(posterior mean)을 산출해냅니다. 작동 시간(operating time)은 복구가 질의 토큰(query token)을 얼마나 강하게 수정하는지를 결정합니다. 튜닝에 사용할 이상 검증 샘플이 없기 때문에, 정상만을 이용하는 Jacobian gain-to-noise 기준이 지원만으로 이 시간을 선택합니다. 질의 토큰과 그 복구된 대응물 사이의 제곱 잔차(squared residuals)는 밀집 국소화(dense localization)와 이미지 레벨 탐지 모두에 대한 이상 신호를 제공합니다. MVTec-AD 및 VisA에서의 1-, 2-, 4-샷 벤치마크, 그리고 Real-IAD에서의 샘플-샷 평가 전반에 걸쳐 Flownomaly는 최근의 카테고리별 방법론들을 능가하는 최첨단 성능을 달성합니다. 특히 1-샷 설정에서는 MVTec-AD에서 이미지 및 픽셀 레벨 AUROC가 각각 97.8%와 98.0%에 도달했으며, VisA에서는 95.3%와 98.7%를 기록하여, VisA의 가장 강력한 기준선 대비 이미지 레벨 AUROC가 2.1포인트 향상되었습니다. 코드는 https://github.com/b-rbmp/Flownomaly에서 이용 가능합니다.

AI 자동 생성 콘텐츠

원문 바로가기

Flownomaly: 소수샷 이상 탐지를 위한 단일 단계 조건부 평균 복구

요약

핵심 포인트

댓글