연구진은 제한된 데이터, 미세 다중 척도 결함 식별의 어려움, 다양한 시나리오에서의 성능 저하 문제를 해결하기 위해 새로운 대비 증강 트랜스포머(CAT) 프레임워크를 제안했어요.
CAT은 계층적 Swin Transformer 백본과 재설계된 특징 피라미드 네트워크를 활용해 저수준 텍스처와 고수준 의미를 효과적으로 융합하여 미세하고 다중 척도 결함 패턴을 정확하게 모델링해요.
KolektorSDD2 데이터셋 실험 결과, CAT은 픽셀 단위 AUROC 99.54%를 달성하며 기존 방법보다 뛰어난 성능을 보였고, KSDD1, MTD, MSDD 데이터셋에서도 우수한 일반화 성능을 입증했어요.