顔の外見は時間とともに老化プロセスによって大きなクラス内変動を引き起こすため、年齢不変顔認識（Age-Invariant Face Recognition, AIFR）は顔認識コミュニティにとって依然として主要な課題となっています。本論文では、老化によるクラス内乖離を軽減するため、新たな手法（すなわち、直交埋め込みCNNsまたはOE-CNNs）を提案し、年齢不変の深層顔特徴を学習します。具体的には、深層顔特徴を2つの直交成分に分解して、年齢関連特徴と識別関連特徴を表現します。その結果、老化に対して堅牢な識別関連特徴がAIFRに使用されます。さらに、既存のクロスエイジデータセットを補完し、この分野の研究を推進するために、全新的な大規模クロスエイジ顔データセット（Cross-Age Face dataset, CAF）を構築しました。MORPH Album 2, CACD-VS, FG-NETという3つの公開された顔老化データセットで実施した広範な実験により、提案手法の有効性と構築されたCAFデータセットのAIFRにおける価値が示されました。また、最も人気のある一般的顔認識（General Face Recognition, GFR）データセットLFWでのベンチマーク評価により、GFRにおける同等の汎化性能も確認されました。