연구진은 동영상 얼굴 교체 시 자연스러운 쌍 데이터 부족 문제를 해결하기 위해 Adaptive Identity Anchoring (AIA) 기법을 제안했어요. 기존 방식의 한계를 극복하기 위해, 합성 과정에서 얼굴 교체된 이미지를 임의의 위치에 배치하는 방식을 도입했어요. 또한, 생성된 프레임을 평가하여 최악의 프레임에 교체된 얼굴을 삽입하는 폐루프 피드백 시스템을 활용해 데이터 품질을 높였어요.
AIA는 기존 방식의 미세한 텍스처 손실 문제를 해결하기 위해 Reality-Referenced Texture Restoration 기술을 결합했어요. 이는 실제 영상의 텍스처를 참조하여 얼굴 교체된 영상의 자연스러움을 개선하는 것을 목표로 해요. 연구진은 다양한 실험을 통해 AIA의 효과를 검증하고, 데이터 품질을 제어하는 방법론을 제시했어요.
AIA는 얼굴 교체 영상의 품질을 높이는 데 기여하며, 합성 데이터 생성 과정에서 데이터 품질 관리가 중요하다는 점을 강조해요. 폐루프 피드백 시스템과 텍스처 복원 기술을 통해 더욱 자연스러운 얼굴 교체 영상을 만들 수 있으며, 이는 다양한 응용 분야에 활용될 수 있을 것으로 기대돼요.