적응형 분산 기반 레이블 분포 학습을 통한 얼굴 나이 추정

한 장의 얼굴 이미지로부터 나이를 추정하는 것은 컴퓨터 비전 분야에서 오래전부터 연구되어 온 전통적이고 도전적인 주제이다. 이 문제의 가장 해결하기 어려운 과제 중 하나는 레이블의 모호성, 즉 동일한 사람의 인접한 나이대의 얼굴 이미지들이 종종 구분이 불가능하다는 점이다. 기존의 몇몇 방법들은 나이 레이블 간의 의미적 상관관계를 활용하여 이 문제를 해결하기 위해 분포 학습(distribution learning)을 도입한다. 실제로 대부분의 기존 방법들은 모든 이미지에 대해 고정된 값을 가우시안 레이블 분포의 분산(variance)으로 설정하고 있다. 그러나 분산은 인접한 나이 간의 상관관계와 밀접하게 연관되어 있으며, 나이와 개인(아이덴티티)에 따라 달라져야 한다. 각 샘플에 맞는 분산을 모델링하기 위해 본 논문에서는 적응형 분산 기반 분포 학습(Adaptive Variance based Distribution Learning, AVDL) 방법을 제안한다. AVDL는 데이터 기반 최적화 프레임워크인 메타 학습(meta-learning)을 도입하여 이 목표를 달성한다. 구체적으로 AVDL은 깨끗하고 편향이 없는 검증 세트에서 손실을 최소화하기 위해 변수(즉, 분산)에 대해 메타 기울기 하강(meta gradient descent) 단계를 수행한다. 각 샘플에 대해 적절한 분산을 적응적으로 학습함으로써, 본 방법은 진정한 나이 확률 분포를 더 효과적으로 근사할 수 있다. FG-NET 및 MORPH II 데이터셋에서 수행된 광범위한 실험 결과는 제안한 방법이 기존 최첨단 기법들에 비해 우수함을 입증한다.