過去10年間、先進的な機械学習手法を活用した顔認識アルゴリズムの性能向上が着実に進んできた。顔認証問題に対処する上で、損失関数の役割は極めて重要であり、画期的な影響を及ぼしている。このような損失関数は、主にクラス内変動（intra-class）とクラス間分離（inter-class）の違いに着目してきた。本研究では、顔認証問題における顔の対称性という自然現象に着目する。近年、左右半顔間の対称性は多くの研究分野で広く利用されてきた。本論文では、顔画像を垂直方向に二等分するという単純なアプローチを適切に採用する。顔の自然な対称性が顔認証手法の性能向上に寄与するという仮説のもと、分割された左右半顔の出力埋め込みベクトルは、出力埋め込み空間において互いに近接して投影されるべきであると仮定する。この考えに基づき、分割された対称ペアの埋め込み間の乖離（disparity）に基づいてネットワークをペナルティ処理する。この対称性損失（Symmetrical loss）は、表情や照明条件による微小な非対称性を最小化する可能性を有しており、クラス間分散を著しく増大させ、より信頼性の高い顔埋め込みを実現する。この損失関数は、既存のあらゆるネットワークアーキテクチャおよび設定において、ベースライン性能を上回る性能を実現可能にし、最先端（SoTA）の成果を達成することが可能となった。