본 논문은 CosFace, ArcFace와 같은 마진 기반 softmax 손실에 의해 주도되는 얼굴 및 화자 인증의 성능 향상을 위해, 희소 솔루션을 유도하는 $\alpha$-발산 손실 함수를 활용하는 새로운 접근 방식을 제시한다. 특히, 앵귤러 마진을 통합하는 두 가지 방법(참조 측정 및 로짓)을 개발하여, 각각 Q-Margin과 A3M이라는 두 가지 새로운 마진 기반 $\alpha$-발산 손실을 제안한다. A3M 훈련 시의 불안정성을 해결하기 위해 프로토타입 재초기화 전략을 제안하고, IJB-B, IJB-C 얼굴 인증 벤치마크 및 VoxCeleb 화자 인증에서 상당한 성능 향상을 달성하였다. 특히 낮은 FAR(False Acceptance Rate)에서 강력한 성능을 보여, 금융 인증과 같은 높은 보안이 요구되는 응용 분야에 적합함을 입증했다.
