연구진은 제한된 정상 데이터와 소수의 이상 데이터만으로 콜드 스타트 문제를 해결하기 위해 ArcAD(Anomaly-Rectified Cold-start AD) 프레임워크를 제안했어요.
ArcAD는 데이터 부족 상황에서 정상 경계를 좁히고 이상 감지를 개선하기 위해 푸시-풀 학습 방식을 사용해요. 정상 데이터를 하이퍼스피어에 투영하고 여러 클러스터로 끌어당겨 정상 영역을 최대한 커버합니다.
MVTec-AD, VisA, Real-IAD, MANTA 데이터셋에서 ArcAD는 기존 지도 및 비지도 방법보다 뛰어난 성능을 보였으며, GitHub에서 코드를 확인할 수 있어요.