연구성과

**본 게시글은 외부 기사화, 언론 보도, 제3자 매체를 통한 인용이나 재배포를 원하지 않습니다.

강석주 교수 연구실 (김태우 석박통합과정), 삼성디스플레이 산학협력 논문대회 금상 및 특별상 수상

전자공학과 강석주 교수 연구팀 (김태우 석박통합과정)의 논문이 2026 삼성디스플레이 산학협력 논문대회에서 금상을 수상했다. 또한 강석주 교수 연구실은 우수 논문이 가장 많이 rank 된 연구실에게 주어지는 특별상도 3년 연속 수상하는 쾌거를 이루었다. 산학협력 연구성과를 알리기 위해 2018년을 첫 시작으로 매년 협력 연구실 소속 학부 및 대학원생을 대상으로 시행되는 삼성디스플레이 산학협력 논문대회는 10월 19일 삼성디스플레이 기흥캠퍼스 Samsung Display Research에서 개최되었다.

금상으로 채택된 논문 제목은 'Anyshot: A Unified Framework for Full and Few-Shot Anomaly Detection'이며, 실제 제조 현장의 데이터 불균형 환경에서도 강인하게 동작하는 산업용 이상 탐지 (anomaly detection) 프레임워크를 제안한다. 연구팀은 기존 이상 탐지 방법들이 모든 제품군에 정상 학습 데이터가 균등하게 존재한다고 가정하지만, 실제 생산 라인에서는 생산량과 수집 비용 등의 이유로 데이터가 풍부한 제품군과 부족한 제품군이 공존하는 '제품군 간 샷 불균형 (inter-category shot imbalance)'이 발생한다는 점을 지적했다. 또한 다운샘플링이나 합성 데이터 증강과 같은 기존의 재균형 방식은 실제 데이터를 버리거나 정상 분포를 왜곡한다는 한계가 있다.

본 논문은 이러한 한계를 극복하기 위해 데이터를 인위적으로 가공하지 않고 불균형한 원본 데이터 분포로 단일 모델을 직접 학습하는 'Anyshot'을 제안하며, 이는 세 가지 핵심 요소로 구성된다. 첫째, '클래스 균형 가중 샘플러 (class-balanced weighted sampler)'는 저장된 데이터셋을 수정하지 않고도 미니배치 내 제품군별 기대 빈도를 균등하게 맞춘다. 둘째, '이중 브랜치 (dual-branch)' 구조는 데이터가 풍부한 제품군에는 트랜스포머 기반 복원 디코더를, 데이터가 부족한 제품군에는 정규화된 메모리 뱅크 (memory bank)를 적용하여 1-shot 수준의 극소량 데이터에서도 명시적인 정상 기준을 제공한다. 셋째, '하이브리드 스코어링 (hybrid scoring)' 모듈은 두 브랜치의 이상 맵을 원소별 최솟값 (element-wise minimum)으로 융합하여, 별도의 하이퍼파라미터 튜닝이나 라벨이 있는 검증 데이터 없이도 안정적인 탐지를 가능하게 한다.

연구팀은 대표적인 산업용 이상 탐지 벤치마크인 MVTec AD, VisA, Real-IAD 데이터셋에서 다섯 가지 무작위 혼합 샷 (mixed-shot) 설정으로 Anyshot을 평가했다. 그 결과, Anyshot은 최신 비교 모델 10종 대비 가장 높고 안정적인 이미지 단위 이상 탐지 성능을 달성했으며, 특히 불균형의 영향이 가장 큰 데이터 부족 (few-shot) 제품군에서 성능 우위가 가장 크게 나타났다. 제안한 Anyshot 기술은 복잡한 데이터 재균형 과정 없이 실제 제조 현장의 불균형 데이터를 그대로 활용할 수 있어, 디스플레이 등 다양한 산업 분야의 품질 검사 자동화에 크게 기여할 것으로 기대된다.

3년 연속 특별상 수상으로 연구실의 뛰어난 연구 성과를 다시 한번 입증한 강석주 교수는 "Anyshot은 데이터 불균형을 학습 전에 제거해야 할 전처리 문제가 아니라 모델이 스스로 흡수해야 할 학습 문제로 재정의했다는 점에서 의미가 크다"라며, "신제품이나 소량 생산 제품처럼 정상 데이터 확보가 어려운 실제 산업 검사 환경에서 중요한 역할을 할 것"이라고 말했다. 또한, 이번 연구의 제1저자인 김태우 연구원은 "이번 연구가 실제 제조 라인의 데이터 환경에 바로 적용 가능한 이상 탐지 기술의 토대가 될 것"이라고 강조했다.

‣제안하는 Anyshot 프레임워크

‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과

‣논문 제목: Anyshot: A Unified Framework for Full and Few-Shot Anomaly Detection

‣저자 정보: 김태우 석박통합과정 (제 1저자), 강석주 교수 (교신저자)

‣기타 정보: 없음