Despite the unprecedented improvement of face recognition, existing face recognition models still show considerably low performances in determining whether a pair of child and adult images belong to the same identity.Previous approaches mainly focused on increasing the similarity between child and adult images of a given identity to overcome the discrepancy of facial appearances due to aging. However, we observe that reducing the similarity between child images of different identities is crucial for learning distinct features among children and thus improving face recognition performance in child-adult pairs. Based on this intuition, we propose a novel loss function called the Inter-Prototype loss which minimizes the similarity between child images. Unlike the previous studies, the Inter-Prototype loss does not require additional child images or training additional learnable parameters. Our extensive experiments and in-depth analyses show that our approach outperforms existing baselines in face recognition with child-adult pairs.
얼굴인식 기술이 고도화됨에도 불구하고 기존 얼굴인식 기술로는 한 사람의 어렸을 적 사진과 성인이 되었을 때의 사진이 동일 인물이라고 판단하지 못한다. 이를 해결하기 위한 시도들은 동일 인물의 어렸을 적 사진과 성인이 되었을 때의 사진이 갖는 유사도를 높이는 방식으로 학습을 하였다. 본 연구에서는 서로 다른 인물의 어렸을 적 사진 간 유사도를 낮추는 것이 한 사람의 유년기 사진과 성인 당시 사진을 동일 인물이라고 판정하는 데에 큰 영향을 끼친다는 분석을 한다. 이 분석을 바탕으로 본 연구에서는 서로 다른 인물의 유년기 사진의 유사도를 낮춰주는 인터프로토타입 로스를 제안한다. 이전 기법들과 달리 인터프로토타입 로스는 추가적인 유년기 사진이나 학습 가능한 파라메터를 필요로 하지 않는다. 기존 얼굴인식 기법의 성능을 간단하지만 효과적인 방법으로 능가할 수 있다는 것을 보이기 위해 광범위한 실험과 심도 있는 분석을 제시한다.
