A-DeepPixBis: 얼굴 위조 방지를 위한 주의력 기반 각도 마진

얼굴 반사도 방지(Face Anti Spoofing, FAS) 시스템은 영상 재생 또는 인쇄된 종이와 같은 매체를 이용한 얼굴 인식 시스템에 대한 악성 스푸핑 시도를 탐지하는 데 사용된다. 얼굴 인식 기술이 생체 인증 수단으로 점점 더 널리 채택됨에 따라 FAS 기술의 중요성은 증가하고 있다. 학습 관점에서 이러한 시스템은 이진 분류 문제로 간주할 수 있다. 신경망 기반 솔루션을 적용할 경우, 일반적으로 최적화를 위해 이진 크로스 엔트로피(Binary Cross Entropy, BCE) 손실 함수를 사용한다. 본 연구에서는 DeepPixBis 모델[1] 학습에 활용할 수 있도록 각도 공간에서 마진을 강제하는 BCE의 변형을 제안한다. 또한, 완전 컨볼루션(fully convolutional) 환경에서 적용 가능한 주의 기반 픽셀 단위 감독을 위한 이 손실 함수의 통합 방법도 제시한다. 제안된 접근법은 여러 기준 데이터셋에서 내부 및 외부 데이터셋 테스트 모두에서 경쟁력 있는 성능을 보이며, 기존의 순수한 DeepPixBis 모델을 일관되게 상회한다. 특히 OULU-NPU 데이터셋의 프로토콜 4(가장 도전적인 프로토콜로 평가됨)에서 제안 방법은 5.22%의 ACER를 달성하였으며, 이는 현재 최고 성능(SOTA)보다 단 0.22% 높을 뿐이며, 고비용의 신경망 아키텍처 탐색(Neural Architecture Search)을 추가로 요구하지 않는다는 점에서 주목할 만하다.