국내기사
Point Transformer와 적응형 랜드마크 선별 추론을 이용한 3차원 얼굴 랜드마크 검출 방법 = 3D facial landmark detection method based on point transformer and adaptive landmark selection inference
얼굴 랜드마크 검출 기술은 표정 분석, 얼굴 인식, 3D 아바타 생성 등 다양한 응용을수행하기 위한 핵심적 기반이 된다. 특히, 3차원 포인트 클라우드를 활용한 얼굴 랜드마크검출은 깊이 정보를 함께 고려할 수 있어 정밀한 랜드마크 검출이 가능하지만, 포인트 정렬문제와 랜드마크 경계의 모호성 등으로 인한 본질적인 한계가 존재한다. 이러한 문제를해결하기 위해, 본 연구에서는 Point Transformer V3와 포인트 재정렬 및 선별 추론능력이강화된 새로운 얼굴 랜드마크 검출 모델을 제안한다. 해당 모델은 랜드마크 후보 영역의구조적 특성을 학습하기 위해, 스캐닝된 얼굴을 크게 8개의 부위로 분할하고, Self-Attention을통해 부위별 포인트 간 관계를 학습하는 RWA(Region Weight Adapter)를 포함한다. 추가적으로랜드마크의 위치를 정밀히 보정하기 위해, GCN(Graph Convolution Neural Network)을 도입하여검출 정확도를 향상시켰다. 객관적인 랜드마크 검출 성능을 평가하기 위해, AI Hub의 한국인얼굴 3D 스캐닝 데이터 셋을 통해 실험을 수행하였으며 제안 모델은 기존 제안된PAConv(Position Adaptive Convolution) 모델 대비 약 7.1% 개선된 정규화 오차성능을달성하였다. 이는 제안하는 방식이 3차원 얼굴 랜드마크 검출 정확도를 높이는데 효과적임을입증한다.