fineAi AD Workbench — Release Note

---

v1.2.0 (Build 260805) — 2026-08-05

신규 기능

• 🧬 AnomalyDINO (DINOv2) 알고리즘 추가 — Few-shot/Zero-shot 계열 SOTA. 커넥터 등 복잡한 형상 검사 대응
  • 백본 8종 선택: ViT-S/B/L/G × reg4 유무 (기본값 ViT-B/14 @ 518)
  • 메모리 뱅크 + 코사인 NN. memory_max(기본 1,500,000), 서브샘플링 방식(stratified/greedy/random) 선택
  • 위치 정규화(position_norm) 옵션 — PaDiM 유사 방식으로 위치별 기준을 잡아 히트맵이 결함에 집중
  • CUDA 시 torch fp16 적응형 청크 검색(faiss-cpu 대비 5~6배 빠름)
• 🔁 Augment 탭 신설 — Random/Fixed Angle, Flip X/Y, 광도/노이즈/블러 + AD 전용 합성(CutPaste, CutPaste-Scar, Perlin/DRAEM)
  • 합성 이상(anomaly) 결과가 good/OK 폴더로 출력되는 것을 차단
• 🤖 Auto Run 탭 신설 (Autonomous Training) — Augment → Train → Evaluate 를 알고리즘별로 일괄 수행
  • Augment 없이 Run All 가능, Setup 탭의 train/test 폴더 설정 반영
  • run_report.txt/json, model_comparison.csv 자동 산출
• 📇 Model Info 탭 신설 — 학습/평가 모델 카드 조회 (모델명, 알고리즘, 백본, 이미지크기, 파일크기, 학습 이미지 수, 학습일, AUROC, Threshold)
  • 컬럼 클릭 정렬(기본은 최근 학습순), 대표 이미지(학습 샘플 / 평가 OK·NG) 미리보기
  • 모델 옆 사이드카 <model>.info.json + 모델 내장 — Inferencer 등 외부 프로그램에서도 조회 가능

개선

• 평가 기준(min/max·threshold) 기록을 전 알고리즘으로 확대 — 기존 PaDiM/PatchCore 2종에서 7종 전체로 확장. Evaluation 에서 구한 Optimal Threshold 를 Inference 에서 그대로 재사용 (평가/추론 스코어 일치 검증 완료)
• Params 다이얼로그 UX — 창 크기 조절 가능, 크기에 따라 설명문 줄바꿈 자동 반영, 백본 이름이 잘리지 않는 최소 폭 확보, 안내 문구 경어체 통일
• FastFlow epochs 기본값 20 으로 조정
• 알고리즘 Ready 표시에서 (이식) 문구 제거

수정

• PatchCore 학습 OOM — 투영 전 임베딩을 전량 누적하던 구조(최대 37GB)를 배치 단위 투영으로 변경
• SPADE/WinCLIP ROI 미반영 — ROI 적용 후 SPADE AUROC 0.325 → 0.850
• ROI 편집기 좌표 불일치 — 미리보기에 pad_to_square 를 적용하지 않아 마스크가 어긋나던 문제
• DINOv2 모델이 확장자 없이 저장되던 문제, 모델 선택 대화상자의 비표준 filetypes 패턴(4곳)
• Model Info 백본 표기 누락 (ViT-L/G 등 backbone 키 사용 알고리즘)

---

v1.1.0 (Build 260720) — 2026-07-20

신규 기능

• 🔍 Inference 탭 신설 (OD Workbench 대응): GT 없이 이미지 추론
  • Inference for Image(단일 이미지) / Inference for Image Folder(폴더) 두 모드
  • 모델 저장 정규화 판정 (권장) — Evaluation/Calibration 시 모델에 저장된 min/max로 절대 정규화 (PaDiM/PatchCore, 단일 이미지 가능, 평가의 Optimal Threshold 그대로 사용 가능)
  • 정상 기준 폴더 기반 z-score(3σ) 판정 — 전체 알고리즘 지원. 기준은 학습에 사용하지 않은 정상 이미지 권장
  • 대상 배치 상대(0~1) 판정 — 폴더 추론 전용
• Training 탭 학습 시간 표시: 알고리즘별 시작시각/소요 시간 로그 기록 + 실시간 경과 표시(전체/현재 알고리즘)
  • 히트맵 미리보기/확대, NG 강조 목록, inference_results.csv 산출
  • 추론은 모델 파일을 변경하지 않음 (임시 복사본으로 실행)
• config [INFERENCE]에 zscore_threshold(기본 3.0) 추가

개선

• 작업표시줄 아이콘 적용 (AppUserModelID + 전역 창 아이콘 — v1.0.0 재빌드에 선반영)
• Params 다이얼로그 ↺ Reset to Defaults 버튼, 알고리즘 기본 백본 wide_resnet50_2 통일
• File ▸ Save Config... 저장 위치 선택, Project Settings 기본 폴더 자동 생성(실행 폴더 하위)

수정

• 신규 알고리즘 4종(SPADE/FastFlow/EfficientAD/WinCLIP) 모델 파일명 충돌 수정 — 멀티 학습 시 모델이 서로 덮어써지던 문제 ({base}_{알고리즘}.fpkl 규칙 적용)

---

v1.0.0 (Build 260715) — 2026-07-15 최초 릴리스

개요

기존 AD Trainer v1.1.x(PaDiM) / AD Evaluator v1.1.x / Trainer·Evaluator v2.2.x(PatchCore) 4개 프로그램을 단일 워크벤치로 통합하고, 신규 알고리즘 4종과 라벨링·임계값 분석 도구를 추가한 첫 릴리스입니다.

신규 기능

알고리즘 (6종, 기본 백본 wide_resnet50_2)

• PaDiM (v1.1.x 이식) — 기존 알고리즘·산출물 완전 호환
• PatchCore (v2.2.x 이식) — 프리셋 5종, Fine-tune(coreset 증분 병합), Calibration(normal_only/full_range) 포함
• SPADE (신규) — 특징 갤러리 kNN, 1-pass 학습
• FastFlow (신규) — 2D Normalizing Flow, epoch 학습(loss 로그)
• EfficientAD (신규) — Student-Teacher + AutoEncoder, epoch 학습
• WinCLIP (신규) — CLIP 기반 Zero/Few-shot (open_clip, 최초 실행 시 가중치 다운로드)

워크플로우

• 📁 Setup: 알고리즘 멀티 선택, 파라미터 다이얼로그(프리셋), Dataset 사전 검증, 레거시 config Import(v1.1.x config.ini / v2.2.x config_trainer/evaluator.ini 자동 매핑)
• 🏷️ Labeling: 썸네일 브라우저, 클래스 이동(라벨 변경), 학습 제외(_excluded + excluded_list.txt — v2.2.2 Review&Filter 규약 호환), 복원/소프트 삭제/Undo, 단축키(G/N/X/Z/Del), 감사 로그
• 🎯 Training: 멀티 알고리즘 순차 학습 큐, 부분 실패 처리, 학습 리포트(.txt), 완료 모델 평가 큐 자동 등록
• 📊 Evaluation: 멀티 모델 평가(모델 구조 자동 판별), model_comparison.csv + ROC 중첩 비교 차트, PatchCore Calibration
• 🎚️ Threshold: 자동 임계값 5종(Zero FP/Zero FN/Optimal F1/Youden/Balanced), 실시간 혼동행렬, 유출/과검 건수, 이중 임계값(OK/Gray/NG) 3구간 판정, 기존 결과 CSV 재로드, 리포트 export
• 🖼️ Results: 히트맵 브라우저, 오판정(유출/과검) 필터, 요약 차트 Quick Jump, 확대 뷰어
• 🎯 ROI Settings: 샘플 이미지 위 마우스 드로잉(rectangle/circle), 정규화 좌표

데이터셋

• fineAi 표준 구조(good|OK)와 MVTec AD 표준 구조 동시 지원 (자동 감지, ground_truth 인식)

호환성

• 기존 v1.1.x/v2.2.x 모델(.fpkl/.pt) 상호 로드·평가 가능 (모델 파일 구조 자동 판별)
• 평가 산출물(히트맵 PNG, evaluation_results.csv, configuration_info.csv, 요약 차트, 결과 폴더 명명) 기존 프로그램과 동일 스키마 유지
• 실행 환경: Windows 10/11 64bit, CUDA 12.8 (미탑재 시 CPU 자동 폴백)

알려진 제한 사항

• 신규 알고리즘 4종은 자체 구현으로, MVTec 벤치마크 정합성 검증은 차기 빌드에서 계속 보강 예정
  • EfficientAD: 논문의 ImageNet 사전 증류 대신 학습 데이터 기반 teacher 증류 방식 사용 (self-contained)
  • WinCLIP: 컴팩트 프롬프트/토큰 레벨 구현 — 픽셀 히트맵 해상도가 상대적으로 낮음, img_size는 240 고정 권장, 최초 실행 시 인터넷 연결 필요(약 800MB 가중치)
• 알고리즘 간 이상점수 절대값은 정규화 방식(테스트셋 상대)상 직접 비교 불가 — AUROC/F1 지표로 비교
• 평가/Calibration은 PaDiM·PatchCore 모델 파일에 min/max 정규화 값을 재기록함(기존 프로그램과 동일 동작) — 네트워크 드라이브 파일 잠금 주의
• MVTec ground_truth 마스크 기반 픽셀 지표(pixel-AUROC), 드리프트 감시, Golden Set 릴리스 게이트는 차기 버전 예정 (기획서 §11 로드맵)

참조 문서

• 사용자 매뉴얼: docs/fineAi_AD_Workbench_UserManual_v1.0_260715.md (Help ▸ User Manual)
• 기획서: docs/fineAi_AD_Workbench_기획서_v1.1_260715.md