야외에서 위장된 얼굴 인식하기

최근 수십 년 동안 얼굴 인식 연구는 엄청난 발전을 이룩하였습니다. 초기에는 제약된 환경에서 인식을 수행할 수 있는 알고리즘으로 시작되었지만, 현재의 얼굴 인식 시스템은 대규모 비제약적 얼굴 데이터셋에서 매우 높은 정확도를 달성하고 있습니다. 새로운 알고리즘이 지속적으로 성능 향상을 이루고 있지만, 대부분의 얼굴 인식 시스템은 변장 변동에 취약하여, 이는 얼굴 인식에서 가장 어려운 공변량 중 하나입니다. 기존의 대부분 변장 데이터셋은 제한적인 변동을 포함한 이미지들로 구성되어 있으며, 종종 제어된 환경에서 촬영되었습니다. 이러한 데이터셋은 실제 상황을 시뮬레이트하지 못하는데, 실제 상황에서는 의도적이고 비의도적인 비제약적 변장을 모두 만날 수 있습니다.본 논문에서는 1000명의 개인이 다양한 유형의 변장 액세서리를 착용한 11000여 장의 이미지를 포함하는 새로운 '자연환경에서의 변장 얼굴 (Disguised Faces in the Wild, DFW)' 데이터셋을 제안합니다. 이 데이터셋은 인터넷에서 수집되었으며, 실제 환경과 유사한 비제약적 얼굴 이미지를 제공합니다. 각 주체에 대해 사기자와 진짜로 위장된 얼굴 이미지가 함께 제공되는 최초의 데이터셋입니다. 본 연구팀은 문제의 어려움을 세 가지 단계로 분석하였는데, (i) 쉬움, (ii) 보통, (iii) 어려움으로 구분하였습니다. 우리는 연구 커뮤니티가 이러한 적대 행위에 견디는 강건한 알고리즘 개발에 있어 DFW 데이터셋으로부터 크게 혜택을 받을 것으로 생각합니다.제안된 DFW 데이터셋은 CVPR 2018에서 열린 '자연환경에서의 변장 얼굴 국제 워크샵 및 경진대회'의 일부로 공개되었습니다. 본 논문에서는 DFW 데이터셋을 자세히 소개하며, 평가 프로토콜, 기준 결과, 경진대회 참여자의 성능 분석 및 DFW 도전 데이터셋의 세 가지 난이도를 포함하여 설명합니다.