stud.unileoben.ac.at

이 이메일 도메인이 관측된 논문 1건

arXiv:2503.04997v4cs.CV

ISP-AD: 합성 및 실제 결함을 활용한 산업 이상 탐지 발전을 위한 대규모 실세계 데이터셋

ISP-AD: A Large-Scale Real-World Dataset for Advancing Industrial Anomaly Detection with Synthetic and Real Defects

머신러닝 기반 자동 시각 검사는 산업 현장에서 무결함(zero-defect) 정책 달성에 핵심적인 역할을 한다. 이상 탐지(anomaly detection) 연구는 복잡한 결함 외관과 생산 공정에서 흔한 불완전한 촬영 조건을 반영하는 데이터셋(dataset) 확보에 제약을 받는다. 최근 벤치마크(benchmark)는 공개 데이터셋의 대부분이 최적 촬영 조건에 치우쳐 있어, 실세계 산업 시나리오에서의 적용 가능성을 과대평가하게 만든다는 점을 보여준다. 이러한 공백을 메우기 위해 Industrial Screen Printing Anomaly Detection Dataset(ISP-AD)을 제안한다. ISP-AD는 높은 허용 디자인 가변성을 갖는 구조화된 패턴 안에 포함된, 도전적인 소형·저대비 표면 결함을 담는다. 우리가 아는 한, 공장 현장에서 직접 수집한 합성 결함과 실제 결함을 모두 포함하는 공개 산업 데이터셋 가운데 현재까지 최대 규모이다. 최근 비지도 이상 탐지 방법 벤치마킹에 더해, 합성 결함과 실제 결함을 함께 쓰는 혼합 지도 학습(training) 전략 실험도 수행했다. 실험 결과, 약하게 라벨링된 실제 결함을 소량 주입(inject)해도 일반화(generalization)가 개선된다. 또한 순수 합성 결함만으로 학습을 시작한 뒤에도, 새로 등장하는 실제 불량 샘플을 이후 확장 가능한 학습에 효율적으로 통합할 수 있다. 종합하면, model-free 합성 결함은 cold-start 기준선(baseline)을 제공할 수 있고, 소량의 주입된 실제 결함은 이전에 보지 못한 결함 특성에 대한 결정 경계를 정교화한다. 제시한 비지도·지도 데이터셋 분할은 비지도, 자기지도(self-supervised), 지도(supervised) 접근법 연구를 강조하도록 설계되어 산업 환경에서의 적용 가능성을 높인다.