모든 것에서 배우기: 노이즈 있는 레이블을 가진 얼굴 표정 인식을 위한 주의 집중 일관성 제거

노이즈 있는 레이블을 가진 얼굴 표정 인식(Facial Expression Recognition, FER)은 클래스 간 유사성과 레이블의 명확하지 않은 특성으로 인해 기존의 노이즈 레이블 분류 작업보다 더 도전적인 과제이다. 최근 연구들은 주로 손실이 큰 샘플들을 필터링함으로써 이 문제를 해결하고자 하였다. 본 논문에서는 새로운 특징 학습 관점에서 노이즈 레이블을 다루는 방법을 탐구한다. 우리는 FER 모델이 전체 특징을 통해 잠재적 진실을 학습하기보다는, 노이즈 레이블과 관련된 일부 특징에 집중함으로써 노이즈 샘플을 기억한다는 사실을 발견하였다. 이러한 관찰을 바탕으로, 학습 과정에서 자동으로 노이즈 샘플의 영향을 억제하는 새로운 기법인 '지우기 주의 일관성(Erasing Attention Consistency, EAC)'을 제안한다. 구체적으로, 얼굴 이미지의 플립 의미 일관성(flip semantic consistency)을 활용하여 비대칭적인 프레임워크를 설계하고, 입력 이미지를 무작위로 일부 제거한 후 플립 주의 일관성을 사용하여 모델이 특정 특징 부분에만 집중하는 것을 방지한다. 제안한 EAC는 최신 기술 대비 상당한 성능 향상을 보이며, CIFAR100 및 Tiny-ImageNet과 같이 클래스 수가 많은 다른 작업들에도 잘 일반화된다. 코드는 https://github.com/zyh-uaiaaaa/Erasing-Attention-Consistency 에서 공개되어 있다.