본 논문은 CosFace, ArcFace와 같은 마진 기반 softmax 손실에 의해 주도되는 얼굴 및 화자 인증 성능을 개선하기 위해, 희소 해를 유도하는 $\alpha$-발산 손실 함수를 활용하는 새로운 접근 방식을 제시한다. 특히, 앵귤러 마진을 통합하는 두 가지 방법(참조 측정 및 로짓)을 탐구하여 Q-Margin과 A3M이라는 두 가지 새로운 마진 기반 $\alpha$-발산 손실을 제안한다. A3M 훈련 중 발생하는 불안정성을 해결하기 위해 프로토타입 재초기화 전략을 제안하고, IJB-B, IJB-C 얼굴 인증 벤치마크 및 VoxCeleb 화자 인증에서 상당한 성능 향상을 달성했다. 특히 낮은 허위 수용률(FAR)에서 기존 모델보다 뛰어난 성능을 보이며, 이는 은행 인증과 같은 보안이 중요한 응용 분야에 적합하다.
