초록
얼굴 가림물 감지(Occluded face detection)는 다양한 실제 세계의 가림물로 인해 발생하는 큰 외관 변동 때문에 어려운 감지 작업입니다. 본 논문에서는 가림물이 있는 얼굴을 감지하고 동시에 가림영역을 분할하는 적대적 가림물 인식 얼굴 감지기(Adversarial Occlusion-aware Face Detector, AOFD)를 소개합니다. 구체적으로, 우리는 적대적 학습 전략을 사용하여 얼굴 감지기가 인식하기 어려운 가림물과 유사한 얼굴 특징을 생성합니다. 가림마스크는 가림물이 있는 얼굴을 감지하는 동안 동시에 예측되며, 이 가림영역은 방해 요소가 아닌 보조 정보로 활용됩니다. 또한, 분할 지점에서 얻은 지도 신호는 특징에 역으로 영향을 미쳐, 심하게 가려진 얼굴의 검출을 돕습니다. 결과적으로, AOFD는 노출된 얼굴 랜드마크가 거의 없는 얼굴들을 매우 높은 신뢰도로 찾아내고, 마스크를 착용한 얼굴들에 대해서도 높은 검출 정확도를 유지할 수 있습니다. 광범위한 실험들은 AOFD가 MAFA 가림물 얼굴 검출 데이터셋에서 현존하는 최신 방법론들을 크게 능가함은 물론, 일반적인 얼굴 검출 벤치마크 데이터셋인 FDDB에서도 경쟁력 있는 검출 정확도를 달성한다는 것을 입증하였습니다.