Wing Loss를 이용한 강건한 얼굴 랜드마크 위치 추정 방법 연구

우리는 Convolutional Neural Networks(CNNs)을 이용한 강건한 얼굴 랜드마크 위치 추정을 위해 새로운 손실 함수인 윙 손실(Wing loss)을 제시합니다. 먼저 L2, L1 및 smooth L1 등 다양한 손실 함수를 비교하고 분석합니다. 이러한 손실 함수들의 분석 결과, CNN 기반 위치 추정 모델의 학습 시 작은 범위와 중간 범위의 오류에 더 많은 주의를 기울여야 함을 시사합니다. 이를 위해 우리는 구간 (-w, w)에서 L1 손실에서 수정된 로그함수로 전환하여 오류의 영향을 증폭시키는 조각별 손실 함수를 설계하였습니다.또한 훈련 세트에서 큰 평면 외 회전 각도를 가진 샘플이 과소표현되는 문제를 해결하기 위해 간단하지만 효과적인 부스팅 전략인 자세 기반 데이터 균형(pose-based data balancing) 방법을 제안합니다. 특히, 소수의 훈련 샘플을 복제하고 무작위 이미지 회전, 바운딩 박스 이동 등의 데이터 확장 방법으로 변형하여 데이터 불균형 문제를 다루었습니다. 마지막으로, 제안된 접근법은 강건한 얼굴 랜드마크 위치 추정을 위한 두 단계 프레임워크로 확장되었습니다.AFLW 및 300W 데이터셋에서 얻은 실험 결과는 윙 손실 함수의 장점을 입증하며, 제안된 방법이 최신 기술보다 우수함을 보여줍니다.