조건부 다중 적대적 오토인코더를 이용한 얼굴 노화 및 재juvenation 연구: 순서 회귀 적용

얼굴 노화 및 얼굴 재juvenation은 주어진 얼굴 사진을 분석하여 해당 사람의 미래 모습이나 과거 모습을 예측하는 기술입니다. 이를 달성하기 위해서는 인간의 정체성을 유지하면서 높은 정확도로 노화 진행과 회귀를 처리하는 것이 중요합니다. 그러나 기존 방법들은 이 두 가지 목표를 동시에 잘 처리하지 못합니다. 본 연구에서는 새로운 생성적 적대 네트워크 기반 접근 방식인 조건부 다중 적대 오토인코더와 순서 회귀(CMAAE-OR, Conditional Multi-Adversarial AutoEncoder with Ordinal Regression)를 제안합니다. 이 방법은 나이 추정 기술을 활용하여 노화 정확도를 제어하고, 고차원 특징 표현을 사용하여 개인화된 정체성을 유지합니다. 구체적으로, 얼굴 이미지는 먼저 컨볼루션 인코더를 통해 잠재 벡터로 매핑됩니다. 이후 이 잠재 벡터는 나이에 따라 얼굴 다양성(manifold)으로 투영되는 디컨볼루션 생성기(deconvolutional generator)를 통해 처리됩니다. 잠재 벡터는 개인화된 얼굴 특징을 유지하며, 나이는 얼굴의 노화와 재juvenation을 제어합니다. 인코더와 생성기에 차례로 판별기(discriminator)와 순서 회귀가 적용되어 생성된 얼굴 이미지가 더욱 사진처럼 보이면서 동시에 원하는 노화 효과를 나타내도록 합니다. 또한, 고차원 특징 표현이 사용되어 생성된 얼굴의 개인화된 정체성이 유지됩니다. 두 개의 벤치마크 데이터셋에서 수행한 실험 결과, 제안된 방법이 최신 연구보다 우수한 성능을 보임을 입증하였습니다.注：为了保持术语的专业性和一致性，"rejuvenation" 翻译为 "재juvenation"，并在首次出现时标注了原文。同时，"manifold" 和 "deconvolutional generator" 也进行了类似处理。如果需要进一步调整这些术语，请告知。