TFD-LP: 적응적 특징 융합 기반 템플릿-프리 차량번호판 비식별화 및 가림 대응

초록

번호판 비식별화는 원본 텍스트를 다른 텍스트로 교체하되 배경과 스타일을 보존하는 것을 목표로 한다. 기존 적대적 생성 신경망(Generative Adversarial Network, GAN) 기반 방법은 표준 번호판 템플릿에 의존하여 가림 상황에서 한계를 지닌다. 본 논문에서는 얼굴 교체 아키텍처 FaceDancer의 적응적 특징 융합 어텐션(Adaptive Feature Fusion Attention, AFFA)을 번호판 도메인에 적응시켜, 템플릿 없이 지정된 목표 텍스트로 비식별화하는 TFD-LP를 제안한다. 도메인 적응 과정에서 동결 광학 문자 인식(OCR)과 적응적 인스턴스 정규화(AdaIN)의 공간 정보 부족, 비조건부 판별기의 텍스트 무관 판별로 인해 생성기가 적대적 잡음(adversarial noise)을 생성하는 문제가 발견되었다. 이를 해결하기 위해 텍스트-이미지 정합성을 검증하는 조건부 판별기와 위치별 독립 변조를 통한 공간 정보 보강을 도입하였다. 또한 MASK 토큰, 마스크 OCR 손실, 패턴별 그룹 샘플링을 도입하여 가림 상황으로 확장하였다. CCPD 데이터셋 실험에서 제안 방법은 De-ID Rate 100%, LPIPS 0.187, FID 76.0, CRNN 1-NED 0.954를 달성하였고, 절제 실험에서 각 구성 요소의 독립 기여를 입증하였다. 가림 데이터 학습을 통해 FID를 113.1에서 39.9로 개선하여 기존 방법의 템플릿 의존성을 해소하면서 가림 대응까지 가능한 비식별화 방법의 유효성을 검증하였다.

키워드