친족 확인을 위한 이웃 반발 거리 학습

얼굴 이미지로부터의 친족 확인은 컴퓨터 비전 분야에서 흥미롭고 도전적인 문제이며, 문헌에서 이 문제를 다룬 연구는 매우 제한적이다. 본 논문에서는 친족 확인을 위한 새로운 이웃 반발 거리 측정 학습(Neighborhood Repulsed Metric Learning, NRML) 방법을 제안한다. 서로 다른 클래스의 샘플(친족 관계가 없는 경우) 중 유사도가 높은 것이 일반적으로 이웃한 영역에 존재하며, 유사도가 낮은 샘플보다 더 쉽게 오분류되기 쉬운 사실에 착안하여, 본 연구는 동일 클래스 샘플(친족 관계가 있는 경우)은 가능한 한 가까이 모으고, 이웃한 영역에 존재하는 비동일 클래스 샘플은 반발시키며 최대한 멀리 밀어내는 거리 측정을 학습하고자 한다. 이를 통해 보다 구분력 있는 정보를 활용하여 친족 확인 성능을 향상시키는 것을 목표로 한다. 또한, 다양한 특징 기술자(Feature Descriptors)를 활용하여 보완적인 정보를 효과적으로 추출하기 위해, 다중 관점 NRML(Multiview NRML, MNRML) 방법을 추가로 제안한다. 이 방법은 여러 특징을 융합하여 공통의 거리 측정 기준을 학습함으로써 친족 확인 성능을 향상시킨다. 제안된 방법의 유효성을 입증하기 위해 실험 결과를 제시한다. 마지막으로, 인간 관찰자가 얼굴 이미지로부터 친족 관계를 확인하는 능력도 실험적으로 평가하였으며, 실험 결과 본 연구에서 제안한 방법이 인간 관찰자 수준과 유사한 성능을 보임을 확인하였다.