GReFEL: 편향 및 불균형 데이터 분포 하에서 기하학적 신뢰성 있는 얼굴 표현 학습

신뢰성 있는 얼굴 표현 학습(Facial Expression Learning, FEL)은 실제 환경에서 더욱 신뢰할 수 있고 편향되지 않은 정확한 예측을 위해 고유한 얼굴 표현 특성을 효과적으로 학습하는 것을 포함합니다. 그러나 현재 시스템들은 사람들의 독특한 얼굴 구조, 움직임, 음색, 그리고 인구통계학적 특성으로 인해 발생하는 얼굴 표현의 다양성 때문에 FEL 작업에 어려움을 겪고 있습니다. 편향되고 불균형한 데이터셋은 이 문제를 더욱 복잡하게 만들며, 잘못된 예측 라벨과 편향을 초래합니다. 이러한 문제를 해결하기 위해 우리는 Vision Transformers와 얼굴 기하학적 정보를 고려한 앵커 기반 신뢰성 균형 모듈을 활용하여 GReFEL을 소개합니다. 이 접근 방식은 다양한 얼굴 데이터 포인트와 구조적 특성을 학습하는 앵커를 통해 로컬 및 글로벌 데이터를 통합하며, 클래스 내 차이, 클래스 간 유사성, 그리고 스케일 민감도로 인해 발생하는 편향되고 잘못 라벨링된 감정들을 조정합니다. 결과적으로 우리의 방법론은 포괄적이면서 정확하고 신뢰할 수 있는 얼굴 표현 예측을 제공합니다. 다양한 데이터셋에서 수행된 광범위한 실험을 통해 우리의 모델이 현재 최신 기술보다 우수함이 입증되었습니다.