CoNAN: 조건부 신경 집계 네트워크를 이용한 제약 없는 얼굴 특징 융합

제어되지 않고 통제되지 않은 환경에서 획득된 이미지 세트를 이용한 얼굴 인식, 예를 들어 먼 거리에서, 낮은 해상도로, 다양한 시점, 조명, 자세 및 대기 조건 하에서의 인식은 어려움을 동반합니다. 이러한 인식 시스템에서 중요한 역할을 하는 것이 템플릿 내에 존재하는 N개의 특징 표현들을 단일 전역 표현으로 집계하는 얼굴 특징 집계입니다. 기존의 전통적인 얼굴 특징 집계 연구에서는 메타데이터나 고차원 중간 특징 표현을 활용하여 집계에 사용될 특징의 품질을 추정합니다. 그러나 극단적으로 낮은 해상도의 얼굴이 장거리 및 고고도 환경에서 촬영되는 경우 고품질 메타데이터나 스타일 정보를 생성하는 것은 현실적이지 않습니다. 이러한 제약을 극복하기 위해 우리는 템플릿 집계를 위한 특징 분포 조건화 접근법인 CoNAN(CoNditioned AggregatioN for feAture distributioN)을 제안합니다. 특히, 우리의 방법은 입력되는 특징 세트의 분포 정보에 조건부로 학습된 컨텍스트 벡터를 생성하여, 이 벡터를 통해 각 특징의 추정된 정보성에 따라 가중치를 부여하는 것을 목표로 합니다. 제안된 방법은 BTS와 DroneSURF 등의 장거리 비제어 환경에서의 얼굴 인식 데이터셋에서 최신 수준의 결과를 생성하며, 이러한 집계 전략의 우수성을 입증하고 있습니다.