초록
얼굴 랜드마크 검출은 인간 얼굴의 해부학적으로 정의된 점들을 위치시키는 것을 목표로 합니다. 본 논문에서는 부분적으로 라벨링된 얼굴 이미지에서의 얼굴 랜드마크 검출을 연구합니다. 일반적인 접근 방식은 (1) 라벨링된 이미지에서 검출기를 학습시키고, (2) 이 검출기의 예측을 사용하여 비라벨링된 이미지에 가짜 라벨(가위치 라벨)을 생성하고, (3) 라벨링된 샘플과 부분적으로 가위치 라벨이 부착된 샘플을 이용하여 검출기를 재학습시키는 것입니다. 이러한 방법으로, 검출기는 라벨링된 데이터와 비라벨링된 데이터 모두로부터 학습하여 견고성을 얻을 수 있습니다.본 논문에서는 비라벨링 데이터에 대해 더 신뢰할 수 있는 가위치 라벨을 생성하기 위해 선생님과 두 학생 간의 상호작용 메커니즘을 제안합니다. 특히, 두 학생은 쌍둥이 검출기로 구현됩니다. 선생님은 학생들이 생성한 가위치 라벨의 품질을 판단하고 재학습 단계 전에 불합격한 샘플들을 필터링하는 역할을 합니다. 이렇게 하면, 학생 검출기는 선생님으로부터 피드백을 받고 자신이 생성한 프리미엄 데이터를 통해 재학습됩니다. 두 학생이 서로 다른 샘플로 학습되기 때문에, 그들의 예측 결과를 결합하면 각각의 예측보다 최종 예측이 더욱 견고해집니다.300-W 및 AFLW 벤치마크에서 수행한 광범위한 실험들은 선생님과 학생들 간의 상호작용이 비라벨링 데이터를 더 효과적으로 활용하며, 최신 기술 수준의 성능을 달성함을 보여줍니다.