Evaluating Modern Visual Anomaly Detection Approaches in Semiconductor Manufacturing: A Comparative Study

要約

半導体製造は、複雑で多段階のプロセスです。
走査型電子顕微鏡（SEM）画像の自動目視検査は、機器のダウンタイムを最小限に抑えてコストを抑えるために不可欠です。
以前のほとんどの研究では、異常に標識されたサンプルの十分な数を仮定して、監視されたアプローチを考慮しています。
それどころか、新たな研究領域である視覚異常検出（VAD）は、監視されていない学習に焦点を当て、予測の説明を提供しながら、費用のかかる欠陥収集段階を回避します。
MIICデータセットを活用することにより、半導体ドメインにVADのベンチマークを導入します。
私たちの結果は、この分野での最新のVADアプローチの有効性を示しています。

要約(オリジナル)

Semiconductor manufacturing is a complex, multistage process. Automated visual inspection of Scanning Electron Microscope (SEM) images is indispensable for minimizing equipment downtime and containing costs. Most previous research considers supervised approaches, assuming a sufficient number of anomalously labeled samples. On the contrary, Visual Anomaly Detection (VAD), an emerging research domain, focuses on unsupervised learning, avoiding the costly defect collection phase while providing explanations of the predictions. We introduce a benchmark for VAD in the semiconductor domain by leveraging the MIIC dataset. Our results demonstrate the efficacy of modern VAD approaches in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google