친족 확인을 위한 추론 그래프 네트워크: 별모양에서 계층적 구조로

본 논문에서는 계층적 추론 그래프 네트워크를 학습하여 얼굴 친족 검증 문제를 조사합니다. 기존 방법은 주로 쌍으로 구성된 샘플의 각 얼굴 이미지에 대한 차별화된 특징을 학습하는 데 초점을 맞추고, 얻어진 두 얼굴 이미지 특징을 융합하고 그들 간의 관계를 추론하는 방법을 간과하는 경향이 있습니다. 이를 해결하기 위해, 우리는 별 모양의 추론 그래프 네트워크 (S-RGN)를 제안합니다. 우리의 S-RGN은 먼저 각 주변 노드가 특징 차원에서의 비교 정보를 인코딩하고, 중앙 노드는 주변 노드 간 상호작용의 다리 역할을 하는 별 모양 그래프를 구축합니다. 그런 다음 이 별 그래프에서 반복적인 메시지 전달을 통해 관계 추론을 수행합니다. 제안된 S-RGN은 모든 주변 노드로부터 정보를 분석하고 처리하는 데 단 하나의 중앙 노드만 사용하므로, 그 추론 능력이 제한됩니다. 이를 보완하기 위해, 우리는 더 강력하고 유연한 능력을 활용할 수 있는 계층적 추론 그래프 네트워크 (H-RGN)를 개발하였습니다. 더욱 구체적으로, 우리의 H-RGN은 잠재적 추론 노드 집합을 도입하여 이들을 이용해 계층적 그래프를 구축합니다. 그런 다음 하향식 비교 정보 추출과 상향식 포괄적 신호 전달이 계층적 그래프에서 반복적으로 수행되어 노드 특징이 업데이트됩니다. 널리 사용되는 4개의 친족 데이터베이스에서 수행된 광범위한 실험 결과는 제안된 방법들이 매우 경쟁력 있는 성능을 달성함을 보여줍니다.