본 논문은 일반적인 기초 모델(CLIP, BLIP, GPT-4o, Grok-4 등)과 얼굴 인식 특화 모델(AdaFace, ArcFace)의 얼굴 인식 성능을 비교 분석합니다. 여러 기초 모델과 벤치마크 데이터셋을 사용한 실험 결과, 특화 모델이 제로샷 기초 모델보다 우수한 성능을 보였으며, 과도하게 분할된 얼굴 이미지에서 제로샷 기초 모델의 성능이 향상되는 것을 확인했습니다. 또한, 기초 모델과 특화 모델의 점수 수준 융합을 통해 낮은 오류 매칭률에서 정확도가 향상되었고, GPT-4o와 Grok-4와 같은 기초 모델은 얼굴 인식 파이프라인에 대한 설명 가능성을 제공하며, AdaFace의 낮은 신뢰도 결정을 해결하는 데 도움이 됨을 보였습니다. 결론적으로, 특화 모델과 기초 모델을 적절히 결합하는 것이 중요함을 강조합니다.
