사진에서 배경에 존재하는 다른 사람들의 얼굴을 임의로 변환시켜주는 프로젝트

• 배경에 있는 사람의 얼굴을 같은 성별, 비슷한 나이대의 얼굴을 만들어서 바꾸어 주는 서비스 제안
• 초상권 침해 방지, 빠르고 자연스러운 보정, 사람이 많은 곳에서 제약 없는 사진 촬영 가능

• 주최/주관: AI빅데이터융합경영학과 데이터분석 학회 D&A
• 팀원: 전공생 6명

• 2022.07. ~ 2022.11. (5개월)

     길거리, 여행지, 공공장소와 같은 사람이 많은 장소에서 찍은 사진은 초상권 문제로 다양한 처리를 해주어야 한다. 포토샵을 통한 자르기, 모자이크, 블러 처리는 자연스럽지 못한 단점이 존재하기 때문에 딥러닝을 통해 ‘배경에 있는 사람들을 같은 성별, 비슷한 나이대의 얼굴을 만들어서 바꾸어주는 서비스’를 제안하였다.

     Face Detection 분야의 Benchmark인 WiderFace, 아시아인 얼굴 데이터인 AFAD, AAFD 데이터 셋을 사용해 얼굴을 탐지해 주고자 하였다. 그 과정에서 얼굴과 나이가 모두 라벨링 되어 있는 데이터 셋이 없었기 때문에 Gender, Age Pretrained Model을 사용해서 WiderFace Annotation에 Pseudo Label을 추가해 새로운 학습 데이터를 만들어냈다.

     얼굴 탐지에 있어서는 당시 SOTA 모델인 RetinaFace 구조에 Gender Classification Head, Classification Head를 추가하여 사용했다. 그렇게 함으로써 Backbone은 더 Robust 한 Feature를 추출하고 별도의 추가 Network 없이 Face Detection과 Gender/Age Classification을 end-to-end로 수행하게 하였다.

     탐지된 성별과 나이대에 맞게 얼굴을 생성하는 과정에서는 StyleGAN2-Ada 모델을 사용하였다. StyleGAN은 Latent Space에서 선형적인 변환이 일어났을 때 Non-Linear Mapping을 사용하여 Disentanglement 하게 된다는 장점이 있어, 주어진 얼굴과 비슷한 속성을 가진 얼굴을 생성해야 하는 우리 프로젝트에서 적합하다고 판단하였다.

     마지막으로 생성된 얼굴과 기존 얼굴을 바꾸어주는 Face Swap 과정에서는 Simswap 모델을 사용해 주었다. SimSwap은 Identity Extractor를 별도로 학습시켜 임의의 Source Image가 들어와도 Id Vector를 잘 추출해 합성된 Image와 Source Image가 닮도록 강제할 수 있다.

     결과적으로 Face Detection에서는 RetinaFace, Face Generation에서는 StyleGAN2-Ada, Face Swap에서는 SimSwap 모델을 사용하였으며 진행 과정은 웹 데모를 만들어서 보여주었다. 이를 통해 제약이 없는 사진 촬영, 빠르고 자연스러운 보정, 초상권 침해 방지 등의 효과를 기대할 수 있을 것이다.

• StyleGAN2-Ada를 사용한 모델 학습 및 최적화
  • StyleGAN, StyleGAN2 구현 및 성능 비교
• DeepFaceLab, SimSwap, HifiFace, SmoothSwap 등 Face Synthesis, Face Swap 관련 모델 Inference 코드 제작

face chAInge 최종 발표자료