연속 학습 환경에서 이상 탐지 모델의 메모리 사용량이 계속 늘어나는 문제를 해결한 기법이 국제 학회의 인정을 받았다. 산업용 피지컬 AI 기업 아이벡스(AIVEX)는 자사 연구진이 작성한 논문 'Memory-Bounded Continuation of Greedy Sampling for Continual Anomaly Detection'이 컴퓨터 비전 분야 국제 학회 BMVC 2026(British Machine Vision Association)에 채택됐다고 밝혔다.
메모리 예산 안에서 신구 데이터 재구성
기존 이상 탐지 모델은 PatchCore와 같이 정상 데이터의 특징을 메모리 뱅크에 저장해두고 이를 기준으로 이상을 판별한다. 문제는 학습 데이터가 쌓일수록 메모리 사용량이 선형적으로 증가한다는 점이다. 메모리 용량이 제한된 엣지 디바이스에서는 과거에 학습한 지식을 유지하면서도 새로운 공정을 추가로 학습할 수 있는 기술이 필요했다.
아이벡스 연구진이 제안한 Memory-Bounded Continuation of Greedy Sampling 기법은 제한된 메모리 예산 안에서 기존에 저장된 핵심 특징과 새로 들어오는 데이터의 분포를 연속적으로 재구성하는 방식이다. 이를 통해 다품종 생산라인이나 엣지 디바이스에서도 전체 모델을 다시 학습시키지 않고 업데이트가 가능해진다.
현장 적용 계획과 연구 성과 이력
성민수 아이벡스 대표는 “이번 BMVC 논문 채택으로 아이벡스의 AI 검사 기술이 학술적 엄밀성과 현장 적용성을 함께 인정받았다”며 “연구 결과를 AIVision 등 자사 플랫폼에 적용해 제조 현장의 실질적인 문제 해결 속도를 높이겠다”고 말했다.
아이벡스는 이번 연구 결과를 AI 비전 검사 플랫폼 AIVision(아이비전)에 적용할 계획이다. 아이벡스는 산업 현장에 특화된 AI 검사 플랫폼 AIVision과 함께 AIVot(아이봇), AIVOps(아이브옵스) 등을 운영하고 있으며, 앞서 CVPR 2025와 ICML 2026에도 논문이 채택된 바 있다. 이번 BMVC 2026 채택으로 아이벡스는 세 번째 국제 학회 성과를 이어가게 됐다.