산업 이상 탐지 데이터셋 혁신 Real IAD Variety 소개

초록

Real‑IAD Variety는 160개 카테고리, 28개 산업, 27가지 결함 유형을 포괄하는 198,950장의 고해상도 이미지로 구성된 최신 산업 이상 탐지 벤치마크이다. 기존 데이터셋의 범위와 규모를 크게 넘어, 다중 클래스·다중 뷰·제로·Few‑Shot 설정에서 모델의 확장성을 종합적으로 평가한다.

상세 분석

본 논문은 산업 현장에 적용되는 이상 탐지 기술이 데이터셋 한계에 의해 정체되고 있다는 문제의식을 바탕으로 Real‑IAD Variety라는 대규모 벤치마크를 제안한다. 데이터 수집 파이프라인은 (1) 24가지 재질·28개 산업군을 아우르는 160개 객체 카테고리 선정, (2) 고정밀 5대 카메라(상하·측면)와 RGBW 멀티스펙트럼 조명을 이용한 다중 뷰 촬영, (3) 전문가 주도 픽셀‑레벨 마스크 라벨링 및 자동 교차 검증을 포함한다. 결과적으로 각 객체는 5개의 시점에서 촬영되어, 특정 결함이 특정 각도에서만 드러나는 현실적인 상황을 재현한다.

기존의 MU‑AD(다중 클래스 비지도 이상 탐지) 방법들은 30개 카테고리까지는 비교적 안정적인 성능을 보였지만, 카테고리 수를 160개로 확대했을 때 평균 AUROC가 10~20% 감소한다는 실험 결과가 제시된다. 이는 특징 공간이 클래스마다 크게 달라지면서 단일 모델이 모든 분포를 포괄하기 어려워진다는 근본적인 스케일링 한계를 드러낸다. 반면, CLIP 기반 Zero‑Shot 및 Few‑Shot 접근법은 텍스트‑이미지 공동 임베딩을 활용해 “defect”와 “normal”이라는 추상적 개념을 학습하므로, 카테고리 수 증가에 거의 영향을 받지 않는다. 특히, Prompt‑튜닝 및 지역 패치 윈도우 전략을 적용한 최신 모델들은 160개 카테고리에서도 기존 MU‑AD 모델보다 높은 AUROC를 기록한다.

다중 뷰(다중 시점) 실험에서는 상하·측면 카메라 조합이 결함 검출률을 평균 5% 이상 향상시키는 것으로 나타났으며, 이는 실제 생산 라인에서 다각도 검사가 필수적인 이유를 실증한다. 또한, 데이터셋에 포함된 27가지 결함 유형은 스크래치, 변형, 색상 변이, 누락 부품 등 물리적 손상과 논리적 오류를 모두 포괄해, 모델이 단순한 시각적 이상을 넘어 복합적인 결함을 인식하도록 요구한다.

논문은 또한 데이터셋 공개와 함께 평가 프로토콜을 제공한다. 평가 항목은 (1) 다중 클래스 비지도 탐지, (2) 다중 뷰 통합 탐지, (3) 제로‑Shot/Few‑Shot 탐지이며, 각각에 대해 AUROC, AUPR, 픽셀‑레벨 IoU 등을 측정한다. 이러한 포괄적 평가 체계는 향후 연구가 특정 설정에 국한되지 않고, 전반적인 일반화 능력을 동시에 검증하도록 설계되었다.

결론적으로 Real‑IAD Variety는 기존 벤치마크가 제공하지 못했던 산업 현장의 복합성과 규모를 재현함으로써, 차세대 ‘기반 모델’(foundation model) 기반 IAD 연구의 필수 인프라가 된다. 데이터셋의 공개와 상세한 실험 결과는 학계·산업계 모두에게 새로운 도전 과제와 기회를 제공한다.