강남 과학기술컨벤션 센터에서 열린 2024 대한산업공학회 추계학술대회에서 개인 연구에 대한 발표를 하고 짧은 시간이었지만 인상 깊은 연구도 많았고 관심 분야에 대해 연구하는 분들과 이야기를 나눌 수 있었던 좋은 시간이었습니다. 아래는 그 중 인상 깊었던 연구들에 대한 후기 입니다.

 

AnoPLe: Few-Shot Anomaly Detection via Bi-directional Prompt Learning with Only Normal Samples.

(장서윤, 이유진, 윤현수 - 연세대학교)

윤현수 교수님 연구실은 이번에도 이상치 탐구 연구를 발표하셔서 인상깊게 보았습니다. 이번 발표는 'AnoPLe: Few-Shot Anomaly Detection via Bi-directional Prompt Learning with Only Normal Samples'라는 제목으로 진행되었습니다. 발표에서는 소수의 정상 데이터만으로 이상 탐지를 수행할 수 있는 새로운 방법론이 소개되었습니다. 특히, 기존 연구에서 많이 의존하던 사전 지식 없이도 높은 성능을 달성할 수 있는 양방향 멀티 모달 프롬프트 학습 방식을 제안한 점이 인상적이었습니다. AnoPLe는 경량 디코더와 multi-view signal을 활용하여 지역적 정보를 효과적으로 학습하며, MVTec-AD와 VisA 데이터셋에서 최신 방법들과 유사하거나 더 나은 성능을 보였습니다. 특히, 사전 지식 없이도 multi-class anomaly detection에서 강력한 성능을 입증한 점이 돋보였습니다. 발표는 AnoPLe가 자원이 제한된 산업 환경에서도 효율적이고 실용적인 솔루션으로 활용될 수 있는 가능성을 잘 보여주었으며, 실제 적용 가능성에 대한 기대를 높였습니다.

 

GlocalCLIP : 객체 비종속적 전역-국소 프롬프트 학습을 통한 Zero-shot 이상 탐지

(함지율, 백준걸 - 고려대학교)

지율님과는 발표 전후 였는데 세션이 끝난 뒤 연구와 관련된 이야기를 많이 나누게 되어 좋았습니다. 이번 발표는 기존 Visual Anomaly Detection의 한계를 극복하고, Zero-shot Anomaly Detection(ZSAD)을 수행하기 위한 새로운 접근법인 GlocalCLIP을 소개하였습니다. 기존 방식은 One-class classification에 의존하여 다수의 제품군이 존재하거나 예측하기 어려운 결함을 다루기 어렵다는 한계를 지녔으나, GlocalCLIP은 Object-agnostic Glocal Semantic Prompting을 통해 전역(Global)과 국소(Local) 프롬프트를 명시적으로 분리하여 학습 구조를 개선하였습니다. Deep text prompt tuning으로 텍스트 정보를 세밀히 조정하고, V-V attention을 활용하여 이미지 특징을 정교히 추출한 점이 돋보였습니다. 또한, Glocal contrastive learning을 통해 전역과 국소 프롬프트를 상호 보완적으로 학습하는 최적화 방법을 제안하였으며, 제조 및 의료 데이터셋 실험을 통해 높은 일반화 성능과 효과를 입증하였습니다. 발표는 ZSAD의 실용 가능성과 기존 방법론의 한계를 해결한 혁신적인 접근을 잘 보여주었습니다. 

 

불확실성 기반의 샘플 의존적 노이즈 레이블 생성

(이정민, 김성범 - 고려대학교)

이번 발표는 "불확실성 기반의 샘플 의존적 노이즈 레이블 생성"이라는 주제로 진행되었습니다. 발표에서는 학습 데이터가 항상 정확하지 않은 현실에서 노이즈 레이블이 모델의 일반화 성능에 미치는 영향을 강조하였으며, 특히 입력 데이터에 따라 달라지는 Instance-Dependent Noise Labels(IDNL)에 대한 연구의 중요성을 다루었습니다. 본 연구는 불확실성 기반의 접근법을 통해 IDNL을 생성하는 첫 번째 연구로서, Classification과 Regression 모두에 적용 가능하며, MC dropout을 활용하여 효율적인 노이즈 레이블 생성 방법론을 제시한 점이 인상적이었습니다. 발표는 데이터의 노이즈 문제를 효과적으로 해결할 수 있는 실용적인 접근법을 제안하였으며, 향후 다양한 도메인에서의 활용 가능성을 기대하게 했습니다.