초록
최근 몇 년 동안 얼굴 인식 기술은 실제 응용 분야에서 점점 더 널리 사용되고 있다. 그러나 피부색 편향이 극심한 조명 조건과 같은 개인 내 변동성(예: 표정, 자세, 해상도 저하 등)과 결합될 경우, 심지어 인간의 시각 검사에서도 얼굴 인식이 실패할 가능성이 높아진다. 얼굴 정규화 기법은 입력 이미지에서 개인 내 변동성을 제거하면서도 정체성을 유지함으로써 이러한 도전 과제를 해결하려는 시도를 한다. 그러나 대부분의 기존 얼굴 정규화 방법은 하나 또는 두 가지 변동성만 제거할 수 있으며, 피부색 편향과 같은 데이터셋 편향은 무시하는 경향이 있다. 또한, 많은 얼굴 정규화 기법의 출력 결과는 인간 관찰자에게 자연스럽지 않게 느껴진다. 본 연구에서는 자세의 큰 변화, 나쁜 또는 극심한 조명, 낮은 해상도, 흐림, 표정, 안경 등의 액세서리와 같은 대부분의 개인 내 변동성을 제거할 수 있는 스타일 기반 얼굴 정규화 모델(StyleFNM)을 제안한다. 또한, 사전 훈련된 GAN을 조절하여 여권 사진과 유사한 균형 잡힌 데이터셋을 생성함으로써 데이터셋 편향 문제도 해결한다. 실험 결과, StyleFNM은 더 현실감 있는 출력을 생성할 뿐만 아니라 얼굴 인식 시스템의 정확도와 공정성 모두를 크게 향상시킨다는 것이 입증되었다.