연구 및 출판물

ArcFace

딥 얼굴 인식을 위한 가산 각도 마진 손실

ArcFace는 단순하지만 매우 효과적인 각도 마진 목적함수를 도입하여, 운영 규모에서 얼굴 임베딩의 식별력을 크게 끌어올렸습니다.

논문 정보

ArcFace: Additive Angular Margin Loss for Deep Face Recognition

게재 정보

CVPR 2019

저자

Jiankang Deng, Jia Guo, Niannan Xue, Stefanos Zafeiriou

논문 보기

연구 개요

ArcFace는 학습의 실용성을 유지하면서 임베딩 공간 내 신원 클래스 간 분리를 강화했기 때문에 가장 영향력 있는 얼굴 인식 논문 중 하나가 되었습니다. 본인 확인, 식별, 검색, 계정 보안 등 다양한 운영 파이프라인에서 강력한 베이스라인으로 널리 사용됩니다.

프로덕션 활용 사례

본인 확인 및 디지털 온보딩
출입 통제 및 임직원 인증
중복 계정 탐지와 사기 감소
대규모 얼굴 검색 및 워치리스트 매칭

코드 예시

buffalo_l로 두 얼굴 임베딩 비교

buffalo_l를 로드하고 두 이미지에서 정규화된 임베딩을 추출한 뒤, 얼굴 검증 워크플로를 위한 코사인 유사도를 계산합니다.

demo.py

1import cv2
2import numpy as np
3from insightface.app import FaceAnalysis
4
5app = FaceAnalysis(name="buffalo_l")
6app.prepare(ctx_id=0, det_size=(640, 640))
7
8img1 = cv2.imread("person_a.jpg")
9img2 = cv2.imread("person_b.jpg")
10if img1 is None or img2 is None:
11    raise FileNotFoundError("input image not found")
12
13faces1 = app.get(img1)
14faces2 = app.get(img2)
15if not faces1 or not faces2:
16    raise RuntimeError("face detection failed")
17
18feat1 = faces1[0].normed_embedding
19feat2 = faces2[0].normed_embedding
20similarity = float(np.dot(feat1, feat2))
21
22print("face 1 feature:", feat1[:5])
23print("face 2 feature:", feat2[:5])
24print("cosine similarity:", similarity)

핵심 기여

명시적인 각도 마진을 추가하여 동일 인물 클러스터는 더 조밀하게, 서로 다른 신원 간에는 더 뚜렷하게 분리되도록 학습합니다.

주요 얼굴 인식 벤치마크에서의 성능 향상을 통해 ArcFace는 현대 얼굴 임베딩의 표준 손실 함수로 자리 잡았습니다.

매칭, 중복 제거, 워치리스트 검색 등 안정적인 유사도 점수가 필요한 대규모 인식 시스템과 자연스럽게 결합됩니다.

비즈니스 문의

비즈니스 요구사항을 상담해 보세요

모델 라이선스, 엔터프라이즈 배포 지원, 맞춤형 AI 개발, 전략적 파트너십 관련 문의는 InsightFace로 연락해 주세요.

비즈니스 이메일 주소에서의 문의만 접수합니다.

이메일로 문의 GitHub에서 탐색