실세계 얼굴 표정 인식을 위한 이중 브랜치 적응형 분포 융합 프레임워크

얼굴 표정 인식(Facial Expression Recognition, FER)은 일상생활에서 중요한 역할을 한다. 그러나 데이터셋 내 레이블의 모호성은 성능 향상에 큰 장애가 될 수 있다. 본 논문에서는 레이블 분포 학습( label distribution learning) 프레임워크를 활용하여 FER 문제를 해결하고, 이중 브랜치형 적응형 분포 융합(Adaptive Distribution Fusion, Ada-DF) 구조를 제안한다. 하나의 보조 브랜치를 설계하여 각 샘플에 대한 레이블 분포를 추출하고, 각 감정에 대한 클래스 분포를 해당 감정의 레이블 분포를 기반으로 계산한다. 이후 두 분포를 주목도 가중치에 따라 적응적으로 융합하여 타겟 브랜치를 학습시킨다. 제안한 Ada-DF는 RAF-DB, AffectNet, SFEW 세 가지 실제 데이터셋에서 광범위한 실험을 수행하여 최신 기술 대비 우수한 성능을 입증하였다. 코드는 https://github.com/taylor-xy0827/Ada-DF 에 공개되어 있다.