콘텐츠 본문
논문 국내 국내전문학술지(KCI급) Diversity Loss를 이용한 U-Net 기반의 다각도 얼굴 생성연구
- 학술지 구분 국내전문학술지(KCI급)
- 게재년월 2026-03
- 저자명 이영지, 이승호
- 학술지명 대한전자공학회 논문지
- 발행처명 대한전자공학회
- 발행국가 국내
- 논문언어 한국어
- 전체저자수 2
- 연구분야 공학 > 전자/정보통신공학
논문 초록 (Abstract)
본 연구에서는 단일 정면 얼굴 이미지를 입력으로 받아 다각도의 얼굴 이미지를 동시에 생성할 수 있는 다중 디코더 기반 U-Net 네트워크를 제안한다. 기존의 GAN 및 Diffusion 기반 접근법은 복잡한 구조와 높은 연산 비용으로 인해 실시간 응용에 한계가 있다. 제안한 모델은 공유 인코더(shared encoder)를 통해 공통 특징을 추출하고, 각 디코더가 특정 시점(yaw angle)에 특화되도록 학습함으로써 다각도 얼굴 생성의 안정성을 확보하였다. 또한, bottleneck feature에서 σ-head branch를 통해 예측 불확실성을 추정하고, 이를 다양성 손실(diversity loss)에 반영하여 collapse 현상을 방지하고 측면 얼굴의 재현성을 개선하였다. Multi-PIE 데이터셋을 활용한 실험 결과, 제안한 모델은 기존 U-Net 대비 평균 SSIM이 약 0.008 향상되고, 평균 LPIPS는 약 0.009 감소하는 성능을 나타냈다. 특히 측면 각도(±60°, ±75°)에서 개선 폭이 두드러졌으며, 이는 제안한 구조가 정면 중심 학습에 치우치지 않고 다양한 시점에서도 강인한 성능을 보여준다. 이러한 결과는 본 연구의 기법이 다각도 얼굴 생성의 효율성과 안정성을 동시에 확보했음을 입증하며, 향후 얼굴 합성 및 multi-view 생성 연구에 기여할 수 있을 것으로 기대된다.
