본 논문은 심층 신경망, 특히 margin-based triplet loss를 사용하는 얼굴 인식(FR) 작업에서 관찰되는 다중 스케일 기하 구조에 초점을 맞추고 있습니다. 기존의 contrastive loss는 ID 정보에만 집중하지만, 얼굴 특징(예: 머리 색깔) 및 이미지 속성(예: 명암)에 의해 영향을 받는 기하 구조가 임베딩 공간에서 나타나는 것을 확인했습니다. 본 논문에서는 이러한 속성에 대한 FR 모델의 의존성 또는 불변성을 설명하기 위한 기하학적 접근 방식과 물리학에서 영감을 받은 정렬 메트릭을 제안합니다. 제어된 단순화된 모델과 합성 데이터로 미세 조정된 널리 사용되는 FR 모델을 사용하여 제안된 메트릭을 평가하고, 모델이 다양한 속성에 따라 다양한 수준의 불변성을 나타낸다는 것을 밝혀냈습니다. 이는 모델의 강점과 약점에 대한 통찰력을 제공하고 더 깊은 해석성을 가능하게 합니다.
