BridgeNet: 연령 추정을 위한 연속성 인식 확률적 네트워크

나이 추정은 컴퓨터 비전 분야에서 중요하면서도 매우 어려운 문제입니다. 기존의 나이 추정 방법들은 비정상적인 노화 과정으로 인해 발생하는 이질적인 데이터를 처리하기 위해 주로 분할-통합 전략을 적용합니다. 그러나 얼굴 노화 과정은 연속적인 과정이며, 서로 다른 구성 요소 간의 연속성 관계가 효과적으로 활용되지 않았습니다. 본 논문에서는 나이 라벨 간의 연속성을 효과적으로 파악하기 위한 BridgeNet을 제안합니다. 제안된 BridgeNet은 로컬 회귀기(local regressors)와 게이팅 네트워크(gating networks)로 구성됩니다. 로컬 회귀기는 데이터 공간을 여러 중복되는 하위 공간으로 분할하여 이질적인 데이터를 처리하고, 게이팅 네트워크는 트리 모델에 다리 연결(bridge connections)을 도입하여 이웃 노드 사이의 유사성을 강제함으로써, 로컬 회귀기의 결과에 대해 연속성을 인지한 가중치를 학습합니다. 또한, BridgeNet의 이 두 구성 요소는 엔드투엔드 방식으로 공동 학습될 수 있습니다. 우리는 MORPH II, FG-NET 및 Chalearn LAP 2015 데이터셋에서 실험 결과를 보여주며, BridgeNet이 최신 방법들을 능가한다는 것을 확인하였습니다.