논문 정보
- 날짜:
2026-04-11 - 카테고리: -
- 우선순위 점수: 0.067
핵심 요약
AnomalyVFM은 DINOv2와 같은 시각 기반 모델(VFM)을 제로샷 이상 탐지기로 변환하는 프레임워크입니다. 3단계 합성 데이터 생성 기법과 저차원 피처 어댑터를 활용하여 기존 시각-언어 모델(VLM) 기반 방식의 성능 한계를 극복했습니다. RADIO 백본 사용 시 9개 데이터셋에서 평균 94.1%의 AUROC를 기록하며 기존 최고 성능을 경신했습니다.학습자 관점 포인트
- 우리 팀 영향: VLM 없이도 순수 시각 모델을 활용해 높은 정확도의 제로샷 이상 탐지가 가능해짐에 따라 도메인 특화 데이터가 부족한 제조 현장 적용 가능성이 높아졌습니다.
- 권장 액션: 실험
- 액션 근거: 합성 데이터 생성 방식과 파라미터 효율적 어댑터 구조가 기존 이상 탐지 성능을 유의미하게 개선했으므로 내부 벤치마크 검증이 필요합니다.
원문 링크
- arXiv: https://arxiv.org/abs/2601.20524
- Hugging Face Papers: https://huggingface.co/papers/2601.20524