연구 레이더얼굴 인식arXiv2026년 4월

월간 arXiv 레이더

2026년 4월 얼굴 인식 논문: 암호화 매칭, 이벤트 카메라, 모바일 추론

2026년 4월 얼굴 인식 연구는 벤치마크 숫자보다 실제 배포 제약에 더 초점을 맞췄다. 주요 논문은 검색 과정에서 생체 템플릿을 보호하고, RGB를 넘어선 센서 선택지를 넓히며, 지연 예산을 넘지 않고 모바일 하드웨어에 인식 품질을 올리는 문제를 다룬다.

이번 달이 보여주는 신호

이번 달 얼굴 인식 스택은 더 운영 중심으로 이동하고 있다. 차별화는 미세한 벤치마크 개선보다 안전한 배포, 비RGB 견고성, 실제 지연·효율 개선에서 나온다.

논문 012026-04-01cs.CV

GPU 지원 경량 실용 암호화 얼굴 인식

arXiv PDF

저자 및 소속

Gabrielle De Micheli

Advanced Security Team, LG Electronics, USA

Syed Mahbub Hafiz

Advanced Security Team, LG Electronics, USA

Geovandro Pereira

Advanced Security Team, LG Electronics, USA

Eduardo L. Cominetti

Advanced Security Team, LG Electronics, USA

Thales B. Paiva

Advanced Security Team, LG Electronics, USA

Universidade de São Paulo, São Paulo, Brazil

Jina Choi

Next-Generation Computing Research Lab, CTO Division, LG Electronics, South Korea

Marcos A. Simplicio Jr

Universidade de São Paulo, São Paulo, Brazil

Bahattin Yildiz

Advanced Security Team, LG Electronics, USA

해결하는 문제

핵심 문제는 얼굴 인식에서 encrypted face recognition, privacy-preserving biometrics, homomorphic encryption와 관련된 병목을 해결해, 학술 지표뿐 아니라 구매, 컴플라이언스, 엔지니어링 관점에서도 평가 가능한 솔루션으로 만드는 것이다.

핵심 결과

결과는 정확도, 효율, 견고성 또는 일반화 개선을 강조한다. 기술 구매자에게 중요한 것은 이러한 개선이 배포 리스크를 낮추고 적용 범위를 넓히는지다.

초록

이 논문은 임베딩이 민감한 생체 데이터가 되는 클라이언트-서버 얼굴 인식에서 암호화 유사도 검색을 다룬다. Baby-Step/Giant-Step diagonal 알고리즘과 GPU 최적화 CKKS 커널로 메모리 오버헤드를 줄이고 동형 매칭을 가속해, 프라이버시 보존 식별 워크플로를 더 실용적으로 만든다.

연구 출발점

동기는 얼굴 인식이 연구 benchmark에서 실제 시스템으로 이동하면서 encrypted face recognition, privacy-preserving biometrics, homomorphic encryption가 개인정보, 비용, 안정성, 사용자 경험에 직접 영향을 주기 때문이다.

방법

「Lightweight, Practical Encrypted Face Recognition with GPU Support」의 접근은 encrypted face recognition, privacy-preserving biometrics, homomorphic encryption를 위해 구조 설계, 학습 전략 또는 시스템 최적화를 결합한다. 이는 알고리즘을 실제 배포 가능한 제품 역량에 가깝게 만든다.

논문 요약

요약하면, 이 논문은 2026년 4월 얼굴 인식에서 encrypted face recognition, privacy-preserving biometrics, homomorphic encryption가 제품화와 엔터프라이즈 평가의 핵심 변수가 되고 있음을 보여준다.

논문 022026-04-08cs.CV

EventFace: 구조 기반 시공간 모델링을 통한 이벤트 기반 얼굴 인식

arXiv PDF

저자 및 소속

Qingguo Meng

State Key Laboratory of Opto-Electronic Information Acquisition and Protection Technology, Anhui University, Hefei, China

Anhui Provincial Key Laboratory of Secure Artificial Intelligence, Anhui University, Hefei, China

Anhui Provincial International Joint Research Center for Advanced Technology in Medical Imaging, Anhui University, Hefei, China

School of Artificial Intelligence, Anhui University, Hefei, China

Xingbo Dong

State Key Laboratory of Opto-Electronic Information Acquisition and Protection Technology, Anhui University, Hefei, China

Anhui Provincial Key Laboratory of Secure Artificial Intelligence, Anhui University, Hefei, China

Anhui Provincial International Joint Research Center for Advanced Technology in Medical Imaging, Anhui University, Hefei, China

School of Artificial Intelligence, Anhui University, Hefei, China

Zhe Jin

State Key Laboratory of Opto-Electronic Information Acquisition and Protection Technology, Anhui University, Hefei, China

Anhui Provincial Key Laboratory of Secure Artificial Intelligence, Anhui University, Hefei, China

Anhui Provincial International Joint Research Center for Advanced Technology in Medical Imaging, Anhui University, Hefei, China

School of Artificial Intelligence, Anhui University, Hefei, China

Massimo Tistarelli

Computer Vision Laboratory, University of Sassari, Sassari, Italy

해결하는 문제

핵심 문제는 얼굴 인식에서 event-based face recognition, low-light biometrics, spatiotemporal modeling와 관련된 병목을 해결해, 학술 지표뿐 아니라 구매, 컴플라이언스, 엔지니어링 관점에서도 평가 가능한 솔루션으로 만드는 것이다.

핵심 결과

초록

EventFace는 RGB 이미지와 매우 다른 희소하고 움직임 중심적인 이벤트 카메라 스트림에서 신원 인식을 탐구한다. EFace 데이터셋과 구조 기반 시공간 모델을 제안하며, RGB 얼굴 모델의 지식을 이전하면서 모션 프롬프트와 시간 변조를 명시적으로 모델링한다.

연구 출발점

동기는 얼굴 인식이 연구 benchmark에서 실제 시스템으로 이동하면서 event-based face recognition, low-light biometrics, spatiotemporal modeling가 개인정보, 비용, 안정성, 사용자 경험에 직접 영향을 주기 때문이다.

방법

「EventFace: Event-Based Face Recognition via Structure-Driven Spatiotemporal Modeling」의 접근은 event-based face recognition, low-light biometrics, spatiotemporal modeling를 위해 구조 설계, 학습 전략 또는 시스템 최적화를 결합한다. 이는 알고리즘을 실제 배포 가능한 제품 역량에 가깝게 만든다.

논문 요약

요약하면, 이 논문은 2026년 4월 얼굴 인식에서 event-based face recognition, low-light biometrics, spatiotemporal modeling가 제품화와 엔터프라이즈 평가의 핵심 변수가 되고 있음을 보여준다.

논문 032026-04-11cs.CV

FaceLiVTv2: 효율적인 모바일 얼굴 인식을 위한 개선된 하이브리드 아키텍처

arXiv PDF

저자 및 소속

Novendra Setyawan

Department of Electro-Optics Engineering, National Formosa University, Taiwan

Department of Electrical Engineering, University of Muhammadiyah Malang, Indonesia

Chi-Chia Sun

Department of Electrical Engineering, National Taipei University, Taiwan

Mao-Hsiu Hsu

Department of Electro-Optics, National Formosa University, Taiwan

Wen-Kai Kuo

Department of Electro-Optics, National Formosa University, Taiwan

Jun-Wei Hsieh

College of Artificial Intelligence and Green Energy, National Yang Ming Chiao Tung University, Taiwan

해결하는 문제

핵심 문제는 얼굴 인식에서 mobile face recognition, lightweight transformer, edge biometrics와 관련된 병목을 해결해, 학술 지표뿐 아니라 구매, 컴플라이언스, 엔지니어링 관점에서도 평가 가능한 솔루션으로 만드는 것이다.

핵심 결과

초록

FaceLiVTv2는 더 가벼운 전역-지역 상호작용 설계로 모바일 얼굴 인식을 목표로 한다. 무거운 어텐션 블록을 Lite MHLA로 대체하고 이를 통합 RepMix 블록에 넣어, 일반 얼굴 벤치마크와 모바일 하드웨어 테스트에서 지연-정확도 균형을 개선한다.

연구 출발점

동기는 얼굴 인식이 연구 benchmark에서 실제 시스템으로 이동하면서 mobile face recognition, lightweight transformer, edge biometrics가 개인정보, 비용, 안정성, 사용자 경험에 직접 영향을 주기 때문이다.

방법

「FaceLiVTv2: An Improved Hybrid Architecture for Efficient Mobile Face Recognition」의 접근은 mobile face recognition, lightweight transformer, edge biometrics를 위해 구조 설계, 학습 전략 또는 시스템 최적화를 결합한다. 이는 알고리즘을 실제 배포 가능한 제품 역량에 가깝게 만든다.

논문 요약

요약하면, 이 논문은 2026년 4월 얼굴 인식에서 mobile face recognition, lightweight transformer, edge biometrics가 제품화와 엔터프라이즈 평가의 핵심 변수가 되고 있음을 보여준다.