패치의 확률적 표현
사전 학습 합성곱 신경망으로 영상의 패치 임베딩을 얻는다. 정상 클래스의 특징을 다변량 가우스 분포로 표현해 영상 내부의 국소적인 이상을 다루도록 구성했다.
의미 수준의 상관 관계
합성곱 신경망의 서로 다른 의미 수준 사이에 있는 상관 관계도 사용한다. 패치의 표현을 통해 정상과 다른 영역을 찾는 과정에서 이러한 관계 정보를 활용한다.
위치 추정의 평가
원 연구는 MVTec AD와 STC에서 이상 탐지 및 위치 추정을 평가했다. 산업 검사의 조건을 반영하려고 영상이 정렬되지 않은 자료에서도 위치 추정 성능을 평가하도록 실험 범위를 확장했다.