자세에 견고한 얼굴 인식을 위한 깊은 잔여 등변 사상

얼굴 인식은 딥 러닝의 등장 덕분에 뛰어난 성공을 거두었습니다. 그러나 많은 현대적인 얼굴 인식 모델이 정면 얼굴에 비해 측면 얼굴을 처리하는 데 여전히 상대적으로 부족한 성능을 보이고 있습니다. 이는 정면과 측면 훈련 얼굴의 수가 극도로 불균형하기 때문입니다 - 정면 훈련 샘플이 측면 훈련 샘플보다 훨씬 더 많습니다. 또한, 큰 자세 변동에 대해 기하학적으로 불변인 깊은 표현을 학습하는 것은 본질적으로 어렵습니다. 본 연구에서는 정면 얼굴과 측면 얼굴 사이에 고유한 매핑이 존재하며, 그 결과로 이러한 두 표현 간의 차이를 동등 변환(equivariant mapping)으로 연결할 수 있다는 가설을 세웠습니다. 이 매핑을 활용하기 위해, 우리는 새로운 딥 잔차 동등 변환(Deep Residual EquivAriant Mapping, DREAM) 블록을 제안하였습니다. 이 블록은 입력된 깊은 표현에 적응적으로 잔차를 추가하여 측면 얼굴 표현을 인식을 단순화하는 표준 자세(canonical pose)로 변환할 수 있는 능력을 가지고 있습니다. DREAM 블록은 ResNet 모델 등을 포함한 여러 강력한 딥 네트워크에서 프로필 얼굴 인식의 성능을 일관되게 개선시키며, 측정 얼굴의 훈련 데이터를 의도적으로 증강하지 않고도 이를 수행합니다. 이 블록은 사용하기 쉽고, 경량이며, 거의 무시할 수 있는 계산 부담으로 구현할 수 있습니다.