[연구의 필요성]
산업 현장에서 제품의 결함이나 비정상 상태를 탐지하는 이상 탐지 기술은 제조 품질 관리 및 자동 검사 시스템의 핵심 기술로 활용되고 있다. 그러나 실제 산업 환경에서는 다양한 결함 데이터를 충분히 수집하기 어렵기 때문에 소수의 정상 데이터만을 이용해 이상을 탐지해야 하는 경우가 많다. 기존 방법은 주로 입력 이미지 특징과 정상 데이터 특징 간의 유사도를 측정하지만, 이러한 방식만으로는 입력 데이터가 정상 데이터가 형성하는 구조적 분포에서 얼마나 벗어나 있는지를 충분히 표현하기 어렵다는 한계가 있다.
[연구의 의미]
본 연구는 이상을 단순한 특징의 비유사성이 아니라 정상 데이터 구조에 부합하기 위해 필요한 변화량(non-conformity)으로 정의하는 새로운 학습 없는 이상 탐지 방법 ANoCo(Anomaly as Non-Conformity)를 제안한다. 입력 패치와 정상 참조 패치 사이에 그래프를 구성하고 Graph Laplacian 에너지 최소화를 통해 입력 특징이 정상 구조에 부합하도록 변화해야 하는 정도를 이상 점수로 활용한다. 이를 통해 별도의 추가 학습 없이도 소수의 정상 데이터만으로 효과적인 이상 탐지가 가능하다.
[연구 결과의 진행 상태 및 향후 계획]
ANoCo는 별도의 학습 가능한 파라미터나 추가 모델 학습 없이 효율적인 최적화만으로 이상 점수를 산출하며, MVTec-AD와 VisA 등 표준 few-shot 산업 이상 탐지 벤치마크에서 높은 이미지 수준 탐지 성능과 안정적인 이상 영역 localization 성능을 보였다. 특히 소수의 정상 참조 영상만으로도 기존 방법 대비 강건한 성능을 확보하여 실제 산업 환경에서의 활용 가능성을 확인하였다. 향후에는 다양한 제조 공정과 제품군으로 적용 범위를 확대하고, 실제 산업 환경의 복잡한 시점·외관 변화에서도 안정적으로 이상을 탐지할 수 있도록 연구를 확장할 계획이다.
특히 본 연구는 삼성전자와의 산학협력을 통해 수행된 연구 성과로, 산업 현장의 실제 이상 탐지 문제와 학술적 방법론을 연계한 결과가 컴퓨터 비전 분야 최고 수준의 국제 학회인 CVPR 2026 게재로 이어졌다는 점에서 의미가 있다.
국제 학회 논문:
Jungwook Seo, Minjeong Kim, Younkwan Lee, Seungho Shin, Sungyong Baik, "Anomaly as Non-Conformity via Training-Free Graph Laplacian Energy Minimization," CVPR 2026.
※ CVPR (IEEE/CVF Conference on Computer Vision and Pattern Recognition)는 컴퓨터 비전 및 인공지능 분야를 대표하는 세계 최고 수준의 국제 학회임.
링크
https://cvpr.thecvf.com/virtual/2026/poster/38295
ANoCo 개념도
이상 탐지 결과