메타에이지: 메타학습을 이용한 개인화된 나이 추정기

다양한 사람들은 서로 다른 방식으로 노화된다. 개인의 특성에 맞는 노화 추정 모델을 개별적으로 학습하는 것은 노화 과정의 개인차를 더 잘 모델링할 수 있다는 점에서 노화 추정 분야에서 유망한 방향성으로 여겨진다. 그러나 기존의 대부분의 개인화 방법은 정체성 레이블과 각 개인에 대해 장기적인 노화 패턴을 형성할 수 있는 충분한 샘플이 필요하기 때문에 대규모 데이터셋의 부족으로 인해 어려움을 겪고 있다. 본 논문에서는 이러한 제약 조건 없이 개인화된 노화 추정 모델을 학습하고자 하며, 이를 위해 메타학습 기반의 MetaAge라는 새로운 방법을 제안한다. 기존의 대부분의 개인화 방법이 학습 데이터셋 내 각 개인에 대해 독립적인 추정기 파라미터를 학습하는 반면, 본 연구에서는 정체성 정보로부터 노화 추정기 파라미터로의 매핑을 학습한다. 구체적으로, 정체성 특징을 입력으로 받아 맞춤형 추정기의 파라미터를 출력하는 개인화 추정기 메타러닝 모델을 도입한다. 이를 통해 본 방법은 기존의 고도화된 데이터 요구 조건 없이 메타지식을 학습할 수 있으며, 학습된 메타지식을 테스트 세트로 원활하게 전이할 수 있다. 이는 기존의 대규모 노화 데이터셋을 추가적인 레이블 없이도 활용할 수 있게 해준다. MORPH II, ChaLearn LAP 2015, ChaLearn LAP 2016 등 세 가지 벤치마크 데이터셋에서 수행한 광범위한 실험 결과를 통해, MetaAge가 기존의 개인화 방법의 성능을 크게 향상시키며, 최신 기술 대비 우수한 성능을 보임을 입증하였다.