초록
본 논문은 단일 이미지에 대한 얼굴 정렬(Face Alignment) 문제를 다룬다. 우리는 회귀 트리의 앙상블을 이용하여 이미지의 희소한 픽셀 강도 하위 집합에서 얼굴의 랜드마크 위치를 직접 추정할 수 있음을 보이며, 높은 품질의 예측 성능을 실시간 이상의 속도로 달성함을 보여준다. 우리는 제곱 오차 손실의 합을 최적화하는 경사 부스팅(gradient boosting) 기반의 일반적인 프레임워크를 제안하여, 회귀 트리의 앙상블을 학습하며, 누락되거나 부분적으로 레이블링된 데이터를 자연스럽게 처리할 수 있다. 또한 이미지 데이터의 구조적 특성을 활용하는 적절한 사전 정보(prior)를 사용함으로써 효율적인 특성 선택이 가능함을 보여준다. 다양한 정규화 전략과 과적합(overfitting)을 억제하는 데 있어 그 중요성도 탐구한다. 더불어 학습 데이터의 양이 예측 정확도에 미치는 영향을 분석하고, 합성 데이터를 활용한 데이터 증강(data augmentation)의 효과를 탐색한다.