픽셀스마일: 연속적이고 정밀한 얼굴 표정 편집을 위한 확산 프레임워크

**1. 연구 배경 및 문제 정의** 얼굴 표정 편집은 인간의 감정을 시각적으로 조작하는 핵심 기술이다. 기존의 GAN 기반 혹은 스타일GAN 기반 방법들은 주로 이산적인 표정 카테고리를 사용해 ‘행복→슬픔’처럼 명확히 구분되는 변화를 만들었다. 그러나 실제 인간 감정은 연속적인 스펙트럼을 이루며, ‘공포‑놀람’, ‘분노‑혐오’처럼 의미가 겹치는 쌍이 많다. 이러한 구조적 겹침은 (1) 표정 간 혼동, (2) 강도 조절의 비선형성, (3) 편집 시 정체성 손실을 초래한다. **2. 데이터셋 구축 – Flex Facial Expression (FFE)** 저자들은 이 문제를 데이터 차원에서 해결하고자, 4단계 파이프라인(수집‑구성‑생성‑주석)을 통해 FFE를 만든다. - **베이스 아이덴티티**: 실사 6,000명, 애니메이션 6,000명(총 12,000명) 확보. - **표정 프롬프트 라이브러리**: 12가지 표정(6 기본 + 6 확장)을 얼굴 부위(입, 눈썹, 눈 등)별 속성 조합으로 세분화하고, VLM을 이용해 부자연스러운 조합을 필터링. - **표정 이미지 생성**: 최신 이미지 편집 모델 Nano Banana Pro를 사용해 각 아이덴티티에 대해 다양한 강도의 표정을 합성, 실사·애니메이션 각각 30,000장씩 총 60,000장 확보. - **연속 감정 점수 라벨**: Gemini 3 Pro를 통해 12차원 연속 점수(v∈