1. 문제 정의 (Problem)

산업용 시각 이상 탐지 (Visual Anomaly Detection, VAD) 는 주로 정상 샘플만을 사용하여 학습되지만, 제한된 양의 이상 데이터가 존재할 경우 성능이 크게 향상됩니다. 그러나 실제 산업 현장에서는 이상 (결함) 데이터가 부족하거나 수집 비용이 매우 높습니다. 이를 해결하기 위해 기존 연구들은 합성 이상 데이터 생성을 시도했으나 다음과 같은 한계가 있었습니다:

• 현실성 부족: 기존 방법들 (DRAEM, GLASS 등) 은 텍스처 블렌딩이나 노이즈를 사용하여 생성하므로 실제 결함과 시각적으로 거리가 멉니다.
• 높은 비용 및 복잡성: 확산 모델 (Diffusion models) 기반 방법 (RealNet 등) 은 카테고리별로 모델을 학습해야 하거나, 고사양 GPU(30GB VRAM 이상) 와 긴 생성 시간이 필요합니다.
• 데이터 의존성: 일부 Few-shot 방법들은 학습 시 실제 이상 샘플을 필요로 합니다.
• 마스크 생성의 어려움: 생성된 이미지의 정밀한 픽셀 단위 마스크 (Ground Truth) 를 자동으로 얻는 것은 여전히 난제입니다.

2. 방법론 (Methodology)

저자들은 MIRAGE라는 완전히 자동화된 파이프라인을 제안합니다. 이 파이프라인은 생성 모델을 블랙박스 (API 호출) 로 취급하며, 학습이나 이상 데이터 없이 정상 이미지만으로 고품질의 이상 이미지와 마스크를 생성합니다.

주요 구성 요소:

1. 모델-중립적 (Model-agnostic) 생성 파이프라인:

   • 생성 모델: Gemini 2.5 Flash Image(Nano Banana) 를 백본으로 사용하지만, API 를 통해 접근하므로 향후 어떤 생성 모델로도 쉽게 교체 가능합니다.
   • 자동 프롬프트 생성: 비전 - 언어 모델 (VLM, ChatGPT-5) 을 사용하여 정상 이미지를 분석하고, 실제 제품과 관련된 현실적인 결함 유형 (Defect Prompts) 을 자동으로 생성합니다.
   • 이미지 생성: 정상 이미지와 생성된 결함 프롬프트를 입력받아 고해상도 이상 이미지를 생성합니다.

2. CLIP 기반 품질 필터링:

   • 생성된 이미지가 프롬프트와 잘 일치하는지 확인하기 위해 CLIP 을 사용합니다.
   • 정상 이미지와 이상 이미지가 각각의 프롬프트 (정상/결함) 와 얼마나 잘 정렬되는지 3 가지 조건을 검증하여, 생성 실패나 불일치 샘플을 제거합니다. 이는 하류 작업의 성능을 향상시킵니다.

3. 학습 없는 이중 분기 (Dual-Branch) 시맨틱 변화 감지:

   • 생성된 이상 이미지와 원본 정상 이미지, 그리고 결함 텍스트 프롬프트를 입력받아 정밀한 픽셀 단위 마스크를 생성합니다.
   • 시맨틱 분기 (Semantic Branch): 텍스트 조건부 Grounding DINO를 사용하여 결함 텍스트에 반응하는 특징 차이를 계산합니다. (의미론적 정확도 확보)
   • 구조적 분기 (Structural Branch): 텍스트 조건 없이 YOLOv26-L-Seg의 특징 피라미드를 사용하여 미세한 구조적 변화를 감지합니다. (공간적 정밀도 확보)
   • 마스크 융합: 두 분기의 히트맵을 곱셈 (Element-wise product) 하여 최종 마스크를 생성합니다. 이는 의미론적 관련성과 실제 구조적 변화가 모두 있는 영역만 선택하도록 하여 오탐지를 줄입니다.

3. 주요 기여 (Key Contributions)

1. 모델-중립적 자동화 파이프라인: API 기반 접근으로 고사양 하드웨어, 학습, 수동 프롬프트 엔지니어링이 필요 없으며, 새로운 생성 모델 도입이 용이합니다.
2. 광범위한 벤치마크: MVTec AD 와 VisA 데이터셋에서 4 가지 생성 방법 (GLASS, RealNet, AnomalyAny, MIRAGE) 을 비교 평가했습니다. 평가 지표로는 하류 이상 분할 성능, 자동 시각 품질 지표 (IS, IC-LPIPS), 그리고 **31 명의 참가자가 참여한 인간 지각 연구 (TrueSkill 점수)**를 포함했습니다.
3. 학습 없는 마스크 생성: Grounding DINO 와 YOLOv26-Seg 를 결합한 경량 모듈을 통해 0.92 의 픽셀 단위 AUROC 를 달성했습니다.
4. 대규모 공개 데이터셋: MVTec AD 와 VisA 의 모든 카테고리에 대해 총 13,000 개 이상의 이미지 - 마스크 쌍 (카테고리당 500 개) 과 생성 프롬프트, 코드를 공개했습니다.

4. 실험 결과 (Results)

• 시각적 현실성 (Human Perceptual Study): 인간 평가에서 MIRAGE 는 실제 이미지와 가장 유사한 **TrueSkill 점수 (28.33)**를 기록했으며, 실제 이미지와의 격차는 0.28 점에 불과했습니다. 결정적 비교에서 **67.2%**의 승률을 기록하여 차기 최강자 (AnomalyAny, 59.2%) 를 압도했습니다.
• 하류 작업 성능 (Downstream Segmentation): 생성된 데이터로 학습된 U-Net 모델은 MVTec AD 와 VisA 에서 기존 방법들보다 우수한 이상 분할 성능을 보였습니다.
  • MVTec AD 평균 픽셀 단위 AUROC: 0.92 (기존 방법 대비 향상).
  • VisA 평균 픽셀 단위 AUROC: 0.92.
• 품질 필터링의 효과: CLIP 필터를 적용한 경우, 하류 분할 모델의 이미지 단위 AUROC 가 크게 향상되었습니다 (MVTec AD 에서 0.70 → 0.80).

5. 의의 및 결론 (Significance)

MIRAGE 는 산업용 이상 탐지 분야에서 실제 결함 데이터 없이도 고품질의 합성 데이터와 정밀한 마스크를 대규모로 생성할 수 있는 최초의 실용적인 프레임워크입니다.

• 접근성: 고가의 GPU 나 복잡한 학습 과정 없이 API 호출만으로 구현 가능하여 산업 현장 도입 장벽을 낮춥니다.
• 확장성: 생성 모델이나 VLM 이 업데이트될 때 파이프라인 구조를 변경하지 않고 엔드포인트만 교체하면 되므로 유지보수가 용이합니다.
• 연구 기여: 공개된 대규모 데이터셋과 코드는 이상 탐지뿐만 아니라 결함 분류, 산업용 이미지 분할 등 관련 연구의 재현성과 발전에 중요한 자원이 될 것입니다.

결론적으로, MIRAGE 는 "데이터 부족"이라는 산업적 난제를 해결하고, 생성형 AI 를 활용한 현실적인 이상 탐지 솔루션의 새로운 표준을 제시합니다.