혁신적인 AI 기반 시각 검사: DefectFill로 현실적인 결함 이미지 생성

DefectFill은 소량의 결함 이미지만으로도 고품질의 현실적인 결함 이미지를 생성하는 AI 기반 시각 검사 기술입니다. 미세 조정된 인페인팅 확산 모델과 사용자 정의 손실 함수를 활용하여 MVTec AD 데이터셋에서 최첨단 성능을 달성, 산업 현장의 시각 검사 효율성 및 정확도 향상에 기여할 것으로 기대됩니다.

산업 현장의 자동화된 시각 검사는 제품의 품질 관리에 필수적입니다. 하지만, 결함 데이터 부족은 효과적인 시각 검사 모델 개발의 큰 걸림돌이 되어 왔습니다. 기존의 이미지 생성 모델은 현실적인 결함 이미지 생성에 어려움을 겪어왔죠. 이러한 문제를 해결하기 위해 등장한 획기적인 기술이 바로 DefectFill입니다.

DefectFill은 단 몇 개의 참조 결함 이미지만으로도 고품질의 실제와 같은 결함 이미지를 생성하는 혁신적인 방법론입니다. 송재우, 박대민 등 한국 연구진이 개발한 이 기술은 미세 조정된 인페인팅 확산 모델을 기반으로 합니다. 핵심은 '결함', '객체', '어텐션' 항을 포함하는 사용자 정의 손실 함수입니다. 이를 통해 모델은 미세하고 국지적인 결함 특징을 정확하게 포착하고, 결함 없는 객체에 매끄럽게 통합할 수 있습니다.

뿐만 아니라, 연구진은 Low-Fidelity Selection 방법을 통해 생성된 결함 샘플의 품질을 한층 더 높였습니다. 이 방법은 불완전하거나 품질이 낮은 이미지를 걸러내어, 최종적으로 사용되는 결함 이미지의 품질을 보장합니다.

실험 결과, DefectFill은 MVTec AD 데이터셋에서 최첨단 성능을 달성했습니다. 이는 DefectFill이 실제 산업 현장에 적용될 경우, 제품 검사의 정확도와 효율성을 크게 향상시킬 수 있음을 의미합니다. 결함 데이터 확보의 어려움을 극복하고, AI 기반 시각 검사 기술의 새로운 지평을 연 DefectFill의 등장은 산업 전반에 큰 파장을 불러일으킬 것으로 예상됩니다. 앞으로 이 기술이 어떻게 발전하고 산업에 적용될지 주목해 볼 필요가 있습니다.🎉