감정 인식을 위한 확률적 분포 재라벨링: VAD 기반 새로운 패러다임

초록

본 논문은 얼굴 이미지에 부여된 Valence‑Arousal‑Dominance(VAD) 값으로부터 감정 클래스를 확률 분포 형태로 재라벨링하는 방법을 제안한다. 기존 단일 라벨 방식의 한계를 넘어, 151개의 감정 용어를 VAD 정규분포와 매핑하고, 유사 감정 병합 및 우세성 추정(CWDE) 과정을 통해 다중 감정 혼합을 표현한다. 이를 AffectNet 데이터에 적용해 재학습한 모델은 기존 6가지 기본 감정보다 풍부한 감정 표현과 새로운 평가 지표를 제공한다.

상세 분석

이 연구는 감정 인식의 근본적인 라벨링 패러다임을 재고한다. 기존 FER(Facial Emotion Recognition) 연구는 주로 Ekman의 6가지 기본 감정을 단일 라벨로 분류하거나, 연속적인 Valence‑Arousal(VA) 값을 예측하는 두 축에 머물렀다. 그러나 인간의 감정은 다중 감정이 복합적으로 나타나는 연속적인 스펙트럼이며, 라벨링 과정에서 다수의 주관적 판단이 개입돼 불확실성이 내재한다. 논문은 이러한 문제를 해결하기 위해 감정 용어 ↔ VAD 정규분포 매핑을 활용한다. Russell et al.