글로벌 회귀와 계단식 국소 보정을 통한 효율적이고 정확한 얼굴 정렬

최근 몇 년간 얼굴 이미지 정렬 분야에서 큰 진전이 있었음에도 불구하고, 계산 자원이 제한된 환경에서 활용되는 응용 분야를 고려할 때, 높은 정확도와 빠른 속도를 동시에 달성하는 얼굴 정렬 알고리즘이 여전히 개선의 여지가 있다. 이 문제를 해결하기 위해, 우리는 전역 회귀(global regression)와 국소 보정(local refinement)을 결합한 새로운 얼굴 랜드마크 위치 추정 알고리즘을 제안한다. 구체적으로, 주어진 이미지에 대해 먼저 전역 회귀 네트워크(GRegNet)를 통해 전역적인 얼굴 형태를 추정한 후, 연속적인 국소 보정 네트워크(LRefNet)를 사용하여 정렬 결과를 단계적으로 개선한다. 기존 얼굴 정렬 알고리즘과 비교할 때, 본 연구의 핵심 혁신은 GRegNet의 저수준 특징(low-level features)을 LRefNet과 공유하는 것이다. 이러한 특징 공유는 알고리즘의 효율성을 크게 향상시킬 뿐만 아니라, 얕은 네트워크 계층에서 유지되는 풍부한 국소 민감도 정보(locality-sensitive details)를 충분히 탐색할 수 있게 하여 정렬 정확도를 더욱 높인다. 제안한 알고리즘의 우수성은 300-W, AFLW, COFW, WFLW 등 네 가지 대표적인 얼굴 정렬 벤치마크에서 수행한 철저한 실험을 통해 명확히 입증되었다. 모든 데이터셋에서 본 알고리즘은 최고 수준의 정렬 정확도를 달성하면서도 가장 낮은 계산 복잡도를 갖는다는 점에서 뛰어난 성능을 보였다.