QMagFace: 간단하고 정확한 품질 인식형 얼굴 인식

얼굴 인식 시스템은 다양한 자세, 조명 조건, 표정 등의 큰 변동성으로 인해 잘못된 매칭 결정을 초래할 수 있다. 이러한 변동성은 인식에 있어 샘플의 유용성에 기반하여 정의되는 얼굴 이미지 품질 측면에서 측정할 수 있다. 기존의 얼굴 인식 연구들은 이러한 유용한 정보를 활용하지 않거나, 본질적으로 부적합한 품질 추정을 사용하는 경우가 많았다. 본 연구에서는 품질 인지 비교 점수와 크기 인지 각도 마진 손실 기반의 인식 모델을 결합한 간단하면서도 효과적인 얼굴 인식 솔루션(QMagFace)을 제안한다. 제안된 방법은 제한 없는 환경에서 인식 성능을 향상시키기 위해 모델에 특화된 얼굴 이미지 품질 정보를 비교 과정에 통합한다. 사용된 손실 함수에 의해 유도되는 품질과 비교 점수 간의 선형성에 기반하여, 본 연구에서 제안하는 품질 인지 비교 함수는 간단하면서도 매우 일반화 가능하다. 여러 얼굴 인식 데이터베이스 및 벤치마크에서 수행된 실험 결과, 제안된 품질 인지 접근 방식이 인식 성능에 일관된 개선을 가져옴을 확인하였다. 특히, 서로 다른 자세, 연령, 품질 조건과 같은 도전적인 상황에서도优异한 성능을 발휘하며, AgeDB에서 98.50%, XQLFQ에서 83.95%, CFP-FP에서 98.74%의 최신 기술 수준(SOTA) 성능을 달성하였다. QMagFace의 코드는 공개되어 있으며 누구나 접근 가능하다.