集積回路の製造は非常に複雑で、多数のプロセスステップから成り立っています。欠陥はどの段階でも発生する可能性があり、これが製品の信頼性を低下させる原因となります。従来の監視型手法は多量の人間によるアノテーションを必要とし、新しいカテゴリやデータが希少な欠陥に対応するのが難しい場合があります。本研究では、画像の固有情報を利用して、欠陥検出と新しいクラスの発見を行うIC DefectNCDというフレームワークを提案します。まず、正常特徴を集約し、欠陥領域を定位するために自己正規情報ガイドを使用します。次に、欠陥間の顕著性変動に対応するための適応的二値化戦略を導入し、最終的に空間的欠陥先行情報をヘルパーモデルに取り込むことで、欠陥領域への感度を高めます。このアプローチは、リアルなデータセットで検証され、欠陥検出と未知の欠陥分類の両方で強い性能を示しました。