Attention-Guided Perturbation Network for Industrial Anomaly Detection

당신이 첨단 공장의 보안 요원이라고 상상해 보십시오. 당신의 임무는 수천 개의 완벽한 제품이 지나가는 컨베이어 벨트 위에서 단 하나의 결함이 있는 제품을 찾아내는 것입니다. 현실 세계에서 '완벽한' 제품을 얻는 것은 쉽습니다. 그냥 라인에서 하나를 집어 들면 되니까요. 하지만 '고장 난' 제품을 찾는 것은 악몽입니다. 결함은 드물고, 생성하기 비용이 많이 들며, 때로는 예측조차 불가능합니다. 그렇다면 로봇이 본 적도 없는 고장 난 물건을 어떻게 찾아내도록 훈련시킬 수 있을까요? 이것이 바로 **비지도 이상 탐지(unsupervised anomaly detection)**의 난제입니다.

과학자들이 사용하는 영리한 기술은 로봇에게 오직 '좋은 것들'만을 가르치는 것입니다. 로봇은 완벽한 제품이 어떻게 생겼는지 기억하고, 그것을 처음부터 다시 재구축하는 법을 배웁니다. 이론은 이렇습니다. 만약 로봇이 완벽한 제품을 본다면, 완벽하게 재구축할 수 있습니다. 하지만 만약 고장 난 제품을 본다면, 로봇은 혼란에 빠져 엉망인 버전으로 재구축할 것입니다. 원래의 이미지와 엉망이 된 재구축본을 비교함으로써 로봇은 오류를 찾아냅니다. 그러나 여기에는 함정이 있습니다. 현대의 AI는 너무 똑똑해서 때때로 결함이 있는 부분을 '수정'하려고 시도하며, 실수로 결함을 정상인 것처럼 재구축해 버리기도 합니다. 이는 탐지 실패로 이어집니다. 이를 막기 위해 연구자들은 이미지를 약간 흐리게 만드는 것과 같이 무작위 노이즈를 섞어 로봇이 주의를 기울이게 하려 노력했습니다. 하지만 이 논문은 무작위로 흔드는 것이 마치 무작위 단어를 외치며 언어를 배우려는 것과 같이 비효율적이라고 주장합니다. 대신, 우리는 정확히 어디를 봐야 할지 알아야 합니다.

여기, AI를 위한 초집중 스포트라이트 역할을 하는 새로운 방법인 AGPNet이 등장했습니다. 티엔펑 황(Tingfeng Huang)과 그 팀의 연구진은 이미지의 모든 부분이 똑같이 중요하지 않다는 점을 깨달았습니다. 어떤 영역(예: 제품의 중심부)은 매우 중요하지만, 다른 영역(예: 배경)은 덜 중요합니다. 기존 방식들은 이미지 전체를 동일하게 취급하여 곳곳에 노이즈를 추가했습니다. 그러나 AGPNet은 "샘플 인식(sample-aware)" 전략을 사용합니다. 이 모델은 AI에게 "이 이미지에서 가장 중요한 부분은 어디인가요?"라고 묻고, 나서 그 핵심적인 지점들에 가장 강렬한 "노이즈"(디지털 정전기나 잡음의 형태)를 던집니다.

이것을 시험 공부에 비유해 보겠습니다. 만약 교과서 전체를 무작위로 읽는다면 핵심 개념을 놓칠 수도 있습니다. 하지만 튜터가 가장 중요한 단락을 가리키며 "이 부분을 외우되, 포스트잇으로 가려서 좀 어렵게 만들어 보자"라고 말한다면, 당신은 빈틈을 채우기 위해 핵심 아이디어를 정말로 이해해야만 할 것입니다. AGPNet은 정확히 이와 같이 작동합니다. 이 모델은 이미지를 재구축하려는 메인 브랜치와, 튜터 역할을 하는 스마트한 "어텐션(attention)" 브랜치 두 부분으로 구성됩니다. 이 튜터는 이미지를 살펴보고 가장 중요한 세부 사항을 파악한 다음, 의도적으로 그 특정 세부 사항들을 노이즈로 뒤섞어 버립니다. 이를 통해 메인 브랜치는 표면적인 세부 사항을 단순히 암기하는 것이 아니라, 정상적인 물체의 '불변하는(invariant)' 규칙을 학습하도록 강요받습니다.

논문에 따르면, 이 "스마트 노이즈" 접근 방식은 기존의 "무작위 노이즈" 방식보다 훨씬 더 효과적입니다. 나사, 병, 카펫 등의 이미지가 포함된 MVTec-AD와 같은 표준 산업 데이터셋으로 테스트했을 때, AGPNet은 최고 수준의 점수를 기록했습니다. 예를 들어, 여러 종류의 물체를 동시에 탐지해야 하는 멀티 클래스 설정에서, 이 모델은 이미지 레벨 탐지 점수 **98.7%**와 픽셀 레벨 위치 지정 점수 **98.0%**를 달enc성했습니다. 이는 결함이 존재한다는 것을 98.7%의 사례에서 정확히 식별했고, 결함의 정확한 위치를 98.0%의 사례에서 찾아냈음을 의미합니다.

저자들은 이미지 전체에 무작위로 또는 균일하게 노이즈를 추가해야 한다는 생각에 명시적으로 반대합니다. 그들은 이미지 영역의 특정 중요성을 무시하는 것이 학습 능력을 약화시킨다는 것을 보여줍니다. 대신, 사전 학습된 지식과 모델 자체의 학습 과정에서 도출된 어텐션 마스크를 통해 섭동(perturbation)을 유도하는 것이 훨씬 더 강력한 시스템을 만든다고 제안합니다. 또한 이들은 AI가 단 몇 개의 예시(예: 2개 또는 4개의 이미지)만 보는 "퓨샷(few-shot)" 시나리오에서도 테스트를 진행했습니다. 이렇게 제한된 데이터 환경에서도 AGPNet은 단 4개의 예시만으로 **97.3%**의 픽셀 레벨 점수를 달성하며 인상적인 성능을 보였고, 이는 타겟팅된 학습 전략이 AI가 '정상'의 본질을 훨씬 빠르게 파악하도록 돕는다는 것을 입증했습니다.

요약하자면, AGPNet은 단순히 문제에 노이즈를 던지는 것이 아니라, 올바른 곳에 노이즈를 던집니다. 가장 중요한 이미지 부분에서 AI가 고군분투하게 만듦으로써, 무엇이 진정으로 정상인지 인식하도록 학습시키고, 결과적으로 산업용 결함에 대해 훨씬 더 날카로운 탐정 역할을 수행하게 합니다. 이 결과는 이 접근 방식이 정확도와 효율성 사이의 강력한 균형을 제공하며, 경쟁사들이 사용하는 거대하고 무거운 시스템에 비해 더 작고 빠른 모델에서도 잘 작동한다는 것을 시사합니다.