Skip to content

Anomaly detection

데이터 분석에서 이상치 탐지 (이상치 탐지) 는 대부분의 데이터와 크게 달라 의심을 불러 일으키는 희귀 항목, 이벤트 또는 관찰을 식별하는 것입니다. 일반적으로 비정상적인 항목은 은행 사기, 구조적 결함, 의료 문제 또는 텍스트 오류와 같은 일종의 문제로 변환됩니다. 이상 치는 이상치, 참신함, 노이즈, 편차 및 예외라고도합니다.

Categories

  • anomalib
  • VLMDiff (2025) - Vision-Language 모델과 Diffusion을 결합하여 멀티클래스 이상 탐지를 수행한다. 텍스트 프롬프트로 결함 유형을 지정하여 생성과 탐지를 동시에 처리할 수 있다.
  • IAD-R1 (ICCV 2025) - 강화학습(Reinforcement Learning) 기반의 일관적 추론으로 산업 이상 탐지 성능을 향상시킨다. 추론 과정에서의 일관성을 보장하여 false positive를 줄인다.
  • DADNet (2025) - 2단계 산업 Diffusion 이상 탐지 네트워크이다.
    • 1단계: 의미론적 가이드 이상 생성 모듈로 알려진 결함을 합성 → 이상 탐지의 사전 정보로 활용
    • 2단계: 복원된 이미지와 원본 이미지를 비교하는 판별 모델로 이상 영역 검출
    • Joint attention mechanism을 통한 feature aggregation으로 복원 모델 성능을 강화한다.
  • ZoomLDM (CVPR 2025) - 멀티스케일 Latent Diffusion Model로, Self-supervised Learning(SSL) 임베딩을 활용한 배율 인식 조건화 메커니즘을 도입했다.
    • 최대 4096×4096 픽셀의 전역 일관성 있는 이미지 합성 가능
    • 다중 배율(magnification) 간 cross-magnification latent space 활용
    • 디지털 병리학, 위성 이미지 등 기가픽셀 도메인에 적용 가능
    • 단일 배율에서도 기존 SOTA 인코더를 능가하는 representation learning 성능

Documentations

https://arxiv.org/html/2512.23227v1
Anomaly Detection by Effectively Leveraging Synthetic Images

See also

Favorite site