TransFace++: Rethinking the Face Recognition Paradigm with a Focus on Accuracy, Efficiency, and Security
Created by
Haebom
Category
Empty
저자
Jun Dan, Yang Liu, Baigui Sun, Jiankang Deng, Shan Luo
개요
본 논문은 딥러닝 기반 얼굴 인식 기술의 효율성, 보안, 정확성 측면에서의 문제점을 분석하고, 이를 해결하기 위해 ViT(Vision Transformer)와 이미지 바이트를 활용하는 두 가지 새로운 얼굴 인식 프레임워크인 TransFace와 TransFace++를 제안한다. 기존 CNN 기반 얼굴 인식 모델의 한계를 극복하고, RGB 이미지 입력의 비효율성과 개인 정보 보호 문제를 해결하는 것을 목표로 한다. 실험 결과는 제안된 모델의 우수성을 입증한다.
시사점, 한계점
•
시사점:
◦
ViT를 활용한 얼굴 인식 프레임워크의 가능성을 제시하여, CNN 기반 모델의 한계를 극복.
◦
이미지 바이트를 활용하여 추론 효율성을 높이고, RGB 이미지 입력으로 인한 개인 정보 노출 위험 감소.
