이번에는 여수에서 열린 2024 대한산업공학회 춘계학술대회에 참여하였습니다. 개인적으로 발표도 진행하고 평소 대한산업공학회보다 많은 사람들이 방문하여 많은 연구들을 살펴볼 수 있었습니다. 그 중 아래 세 가지는 인상깊게 보았던 연구들에 대한 후기입니다.

 

AnoPT: Few-Normal-Shot Anomaly Detection via Prompt Tuning

(장서윤, 이유진, 윤현수 - 연세대학교)

윤현수 교수님 연구실에서는 저희 연구실과 유사하게 이상치 탐지 연구를 많이 하시는 연구실로 알고 있었습니다. 이번 발표는 "AnoPT: Few-Normal-Shot Anomaly Detection via Prompt Tuning"을 주제로, 적은 양의 정상 데이터만으로도 강건한 이상 탐지 모델을 구축하는 방법을 소개하였습니다. 발표에서는 기존 이상 탐지 연구의 한계로 데이터 불균형, 사전 정의된 템플릿의 과적합, 비효율적인 Prompt Engineering을 지적하며, 이러한 문제를 해결하기 위해 Prompt Tuning을 활용한 접근법을 제안하였습니다. AnoPT는 사전 지식 없이도 Few-Normal-Shot 데이터만으로 일반화 능력을 확보할 수 있는 효율적인 모델을 구축했으며, 적은 샘플에서도 높은 탐지 성능을 보여줬습니다. 또한, Prompt Engineering의 반복적 과정을 자동화하여 실시간 이상 탐지에 적합한 모델을 제안한 점이 인상적이었습니다. 발표는 기존 방식의 한계를 극복한 혁신적 접근을 잘 설명하며, 향후 확장 가능성을 기대하게 했습니다.

데이터 잡음 및 부족 문제에 강건한 웨이퍼 전자 현미경 이미지 의미 분할 방법론

(배진수, 조용원, 조한샘, 노희중, 김경혜 - 고려대학교, SK하이닉스)

이번 발표는 "데이터 잡음 및 부족 문제에 강건한 웨이퍼 전자 현미경 이미지 의미 분할 방법론"을 주제로 진행되었습니다. 반도체 제조 공정에서 TEM 이미지를 활용한 품질 관리의 필요성과, 기존 수작업 계측 방식이 지닌 한계를 강조하며, 자동 계측 기술을 위한 Semantic Segmentation 기법을 제안하였습니다. 발표에서는 데이터 부족 문제를 해결하기 위해 TEM 이미지 증강 기법과 타 공정 데이터셋 기반 사전학습을 도입하고, 경계면의 불분명성을 극복하기 위해 경계면 가중치를 부여한 방법론을 설명하였습니다. 또한, 제안된 기법은 실제 반도체 제조 공정에서 수집된 데이터를 기반으로 검증되었으며, 데이터 잡음과 부족 문제에 강건한 성능을 입증한 점이 인상적이었습니다. 발표는 반도체 제조 분야에서 AI 기술의 활용 가능성을 효과적으로 제시하였습니다.

Anomaly Detection via Denoising Diffusion Implicit Model with Magnetic Resonance Imaging(MRI)

(장효영, 이상민 - 광운대학교)

이번 발표는 "Anomaly Detection via Denoising Diffusion Implicit Model with Magnetic Resonance Imaging(MRI)"이라는 주제로, MRI 데이터를 활용한 이상 탐지 방법론을 소개하였습니다. 발표에서는 기존 MRI 데이터 분석의 주관적 한계와 일관성 부족 문제를 극복하기 위해, 생성 모델 기반 재구축 방법을 제안하였습니다. 특히, Diffusion 모델의 효율성을 높이기 위해 DDIM을 활용하고, MRI 영상의 특성을 가장 잘 반영하는 Rician noise를 적용하여 고해상도 이미지의 이상 탐지 정확도를 개선한 점이 인상적이었습니다. 발표는 Gaussian이나 Simplex noise를 사용한 기존 모델에 비해 생성 품질이 향상되어 더 정확한 이상 탐지가 가능함을 실험적으로 입증하였으며, 향후 제조업이나 보안 분야 등 다양한 영역에서의 응용 가능성도 제안하였습니다. 발표는 기술적 접근뿐 아니라 실질적 활용 가능성까지 잘 설명하며, 혁신적이고 실용적인 연구 방향을 제시하였습니다.