제로샷 이상 탐지(Zero-Shot Anomaly Detection, ZSAD)는 보지 못한 범주나 시나리오에서 이상을 식별하는 것을 목표로 한다. 최근에는 비전-언어 모델(Vision-Language Models, VLMs), 특히 CLIP이 이상 탐지 성능을 향상시키기 위해 활용되어 왔다. 그러나 CLIP은 국소 이상을 포착하는 데 어려움이 있으며, 이로 인해 모델 복잡성과 계산 부담을 크게 증가시키는 추가 모듈들이 개발되었다. 이러한 문제를 해결하기 위해, 우리는 AULoRA를 제안하는데, 이는 CLIP의 시각 인코더에 저랭크 적응(Low Rank Adaptation, LoRA)을 통합하고, 텍스트 표현에 시각적 맥락을 효율적으로 주입함으로써 이상 이해를 향상시키는 새로운 접근법이다. CLIP의 일반적인 시각적 지식을 보존하면서, 우리는 특이값 분해(Singular Value Decomposition, SVD)를 활용하여 가장 관련성이 높은 특이 성분만 선택적으로 미세 조정함으로써 의미적 이상을 정밀하게 식별할 수 있게 한다. 그럼에도 불구하고 이상 탐지는 종종 매우 다양하고 범주-특화적인 특성들을 포착해야 하며, 단순한 텍스트 프롬프트만으로는 이를 적절하게 표현하기 어렵다. 이를 극복하기 위해, 우리는 입력 이미지로부터 추출된 시각적 맥락에 기반하여 텍스트 표현을 적응시키고, 이를 통해 범주 인식 및 이상에 민감한 정렬을 달성하도록 한다. AULoRA는 CLIP의 원래 구조와 추론 효율을 유지하면서, 다양한 산업 데이터셋 전반에서 이미지 수준 및 픽셀 수준 이상 탐지 벤치마크 모두에 대해 최첨단 성능을 달성한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.