초록
얼굴 정렬은 컴퓨터 비전 분야에서 중요한 주제로, 최근 수십 년간 많은 연구 노력이 기울여졌으며 다양한 벤치마크 데이터셋이 공개되었다. 그러나 최근의 데이터셋에서는 두 가지 중요한 문제점이 여전히 존재한다. 바로 '데이터셋 내 변동성(Intra-Dataset Variation)'과 '데이터셋 간 변동성(Inter-Dataset Variation)'이다. 데이터셋 간 변동성은 특정 데이터셋 내에서 표정, 머리 자세 등의 편향을 의미하며, 데이터셋 내 변동성은 서로 다른 데이터셋 간에 존재하는 다양한 편향을 말한다. 이러한 문제를 해결하기 위해 우리는 두 개의 강하게 결합된 하위 네트워크, 즉 데이터셋 간 네트워크(DA-Net)와 후보 결정 네트워크(CD-Net)로 구성된 새로운 딥 변동성 활용 네트워크(DVLN)를 제안한다. 광범위한 평가 결과, 본 연구에서 제안한 방법은 실시간 성능을 보이며, 도전적인 300-W 데이터셋에서 최신 기술(SOTA) 방법들을 크게 능가함을 확인하였다.