SCUT-FBP5500: 다중 패러다임 얼굴 미용 예측을 위한 다양한 벤치마크 데이터셋

얼굴 미용 예측(Facial Beauty Prediction, FBP)은 인간의 인식과 일치하는 얼굴 매력도를 평가하는 중요한 시각 인식 문제입니다. 이 문제를 해결하기 위해 다양한 데이터 기반 모델, 특히 최신 딥러닝 기술이 도입되었으며, 벤치마크 데이터셋은 FBP를 달성하기 위한 필수 요소 중 하나가 되었습니다. 과거 연구에서는 얼굴 미용 인식을 분류, 회귀 또는 순위 결정 등의 특정 지도 학습 문제로 정식화하여, FBP가 본질적으로 여러 패러다임을 가진 계산 문제임을 나타냈습니다. 그러나 대부분의 FBP 벤치마크 데이터셋은 특정 계산 제약 조건 하에 구축되어 있어, 해당 데이터셋에서 훈련된 계산 모델의 성능과 유연성을 제한하였습니다.본 논문에서는 FBP가 다중 패러다임 계산 문제임을 주장하며, 이를 달성하기 위한 새로운 다양성 벤치마크 데이터셋인 SCUT-FBP5500을 제안합니다. SCUT-FBP5500 데이터셋은 총 5,500개의 정면 얼굴 이미지를 포함하고 있으며, 다양한 속성(남성/여성, 아시아인/카우케시안, 연령대)과 다양한 라벨(얼굴 특징점, [1,~5] 범위 내의 미용 점수, 미용 점수 분포)을 갖추고 있습니다. 이는 아시아인/카우케시안 남성/여성을 대상으로 한 외모 기반/형태 기반 얼굴 미용 분류/회귀 모델 등 다양한 FBP 패러다임을 가진 다른 계산 모델들을 가능하게 합니다.우리는 SCUT-FBP5500 데이터셋을 사용하여 서로 다른 특징과 예측기의 조합 및 다양한 딥러닝 방법으로 FBP를 평가하였습니다. 결과는 FBP의 개선과 SCUT-FBP5500을 기반으로 하는 잠재적인 응용 프로그램들의 가능성에 대해 나타내고 있습니다.