Core Concepts
본 논문은 정상 샘플만을 이용하여 프롬프트를 자동으로 학습하는 PromptAD 방법을 제안한다. 의미 연결을 통해 정상 프롬프트를 이상 프롬프트로 변환하여 충분한 대조 프롬프트를 생성하고, 명시적 이상 마진 손실을 통해 정상 프롬프트와 이상 프롬프트 간의 명확한 구분을 유도한다.
Abstract
본 논문은 소량 샘플 이상 탐지 문제에서 프롬프트 학습의 적용 가능성을 탐구하고, PromptAD라는 새로운 방법을 제안한다.
의미 연결(Semantic Concatenation, SC): 정상 프롬프트에 이상 접미사를 연결하여 이상 프롬프트를 생성함으로써, 정상 샘플에 대한 충분한 대조 프롬프트를 확보한다.
명시적 이상 마진(Explicit Anomaly Margin, EAM): 이상 샘플이 없는 상황에서 정상 프롬프트와 이상 프롬프트 간의 명확한 마진을 유지하기 위해 하이퍼파라미터를 도입한다.
이미지 수준/픽셀 수준 이상 탐지: PromptAD는 MVTec과 VisA 데이터셋에서 11/12개의 소량 샘플 설정에서 최고 성능을 달성한다.
Stats
정상 샘플만을 이용하여 이상 탐지를 수행하는 것은 어려운 과제이다.
이상 샘플이 없는 상황에서 정상 프롬프트와 이상 프롬프트 간의 명확한 마진을 유지하기 어렵다.
Quotes
"정상 샘플만을 이용하여 이상 탐지를 수행하는 것은 어려운 과제이다."
"이상 샘플이 없는 상황에서 정상 프롬프트와 이상 프롬프트 간의 명확한 마진을 유지하기 어렵다."