초록
기존의 딥러닝 기반 얼굴 랜드마크 탐지 방법들은 우수한 성능을 달성해 왔다. 그러나 이러한 방법들은 랜드마크 점들 간의 구조적 종속성(structural dependencies)을 명시적으로 통합하지 못한다. 따라서 랜드마크 점들 사이의 기하학적 관계를 유지하거나, 도전적인 조건이나 미처 경험하지 못한 데이터에 대해 잘 일반화하지 못하는 문제가 있다. 본 논문에서는 깊은 합성곱 신경망(Convolutional Network)과 조건부 확률 필드(Conditional Random Field)를 결합하여, 구조적으로 설계된 얼굴 랜드마크 탐지 방법을 제안한다. 제안한 방법은 기존 최첨단 기술들과 비교하여 우수한 성능을 보이며, 특히 큰 자세 변화나 가림 현상이 있는 어려운 데이터셋에서 더 뛰어난 일반화 능력을 입증하였다.