Causal Invariant Representation Learning for Robust Anomaly Detection in Manufacturing Processes
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066262
교육부
한국연구재단
서울미디어대학원대학교
이지혁
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
기초연구
대학
서울특별시 마포구
정보/통신 > 정보통신 융합 서비스 > 스마트팩토리 응용서비스
이상탐지 모델이 환경 변화에 취약한 원인을 인과적으로 진단하고, 모달리티별 인과 분리 및 교차 모달 융합을 통해 환경 의존성을 제거한 강건한 멀티모달 이상탐지 프레임워크를 개발한다.
본 연구는 분석, 설계, 검증의 3단계로 구성된다.- 1단계에서는 기존 이상탐지 모델(PatchCore, AnomalyCLIP 등)이 의존하는 환경 단서를 MVTec AD 2 조명 변화 시나리오에서 실험적으로 분석 하고, 구조적 인과 모델로 결함 특징과 환경 특징의 인과 구조를 정형화한다.- 2단계에서는 NeurIPS 2023 Invariant AD의...
멀티모달 이상탐지 분야에 환경 단서의 인과적 진단 및 제거라는 새로운 연구 방향을 제시하고, Invariant AD를 멀티모달로 확장한다.공장 간 재학습 없이 모델을 배포할 수 있는 기술로 제조 현장의 AI 도입 확산에 기여하며, SCI(E)급 1편과 KCI 1편 투고 및 핵심 기술 특허 1건 출원을 목표로 한다.졸업 후 석사 과정 중 확보한 핵심 기술 특...