본 연구에서는 다양한 센서 환경에서 얼굴을 인식하는 HFR(Heterogeneous Face Recognition) 기술을 위한 새로운 프레임워크를 소개합니다. 기존 방식의 복잡한 모델을 개선하여, 연산 비용을 줄이면서도 성능을 유지하는 것을 목표로 합니다.
CNN-Transformer 모델을 기반으로, 적은 양의 데이터만으로도 효율적인 학습이 가능하도록 설계되었습니다. 이를 통해 RGB 얼굴 인식 벤치마크에서도 강력한 성능을 보여줍니다.
실험 결과, 본 방법은 기존 방식 대비 우수한 성능을 보이면서도 낮은 연산량을 유지하여, 자원 제약적인 환경에서도 활용 가능성을 높였습니다.