분포 지식 증류와 클러스터링 기반 패치 이상탐지 연구

Patch-Based Anomaly Detection with Clustering and Distribution Knowledge Distillation

연구 내용

최적 클러스터링과 metric learning을 결합해 패치 기반 이상을 탐지하고, normalizing flow 기반 distillation으로 정상 분포의 표현을 강화하는 연구

패치 단위 이상탐지에서 정상 패턴과의 거리 측정이 핵심이라는 관점에 따라, optimal clustering과 metric learning을 사용해 특징 공간에서 이상에 민감한 비교 기준을 구성합니다. 또한 normalizing flow 기반 아키텍처에서 분포의 구조를 활용하고, intermediate block 간 지식을 distillation하는 feature-based scheme을 통해 teacher-student 학습을 설계합니다. distillation 위치 설정에 따른 성능 영향도 함께 분석하여, inference 단계에서 효율과 안정성을 동시에 확보하도록 연구를 수행합니다. 이러한 접근은 비정상 신호의 확률적 표현과 유사도 기반 탐지의 결합으로 연결됩니다.

관련 프로젝트

2건

연구 흐름

2022년에는 패치 기반 이상탐지에서 클러스터링과 metric learning을 활용해 탐지 성능을 높이는 연구를 수행했습니다. 이후에는 normalizing flow를 기반으로 분포 구조를 유지한 채 지식 distillation을 적용하는 방향으로 확장하였고, teacher와 student 사이에서 전이되는 표현이 성능에 미치는 영향을 함께 검토했습니다. 최근에는 이상탐지와 분포 기반 생성모델 관점을 연결하여, 정상 분포 학습의 품질이 비정상 탐지 신호의 분리도에 직접 반영되도록 구성하는 흐름으로 발전했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

비지도 시각 이상 징후 조기탐지
도로 노면 상태 이상 후보 자동화
재난 징후 비정상 패턴 분류
정상 기반 품질 관리 스크리닝
고장 전조 탐지용 시각 지표 추출
약식 라벨 환경의 탐지 성능 보정
유사도 기반 이상도 순위화
분포 모델 기반 확률적 상태 추정
센서 데이터 기반 멀티모달 이상도출
산업 영상 자동 검수 시스템