얼굴 인식 시스템은 Web 3.0 응용에서 다양한 서비스를 지원할 잠재력을 갖고 있으나, 두 가지 핵심 과제는 여전히 충분히 탐구되지 않았다. 첫째, 기존 벤치마크 데이터셋은 인구통계학적 편향을 보이며 고령의 동아시아 사용자—특히 고령의 한국인—를 충분히 대표하지 못해 공정하고 포용적인 배치에 한계를 초래한다. 둘째, 센서 잡음, 조명 변화, 동적 모션 블러는 분포 외(out-of-distribution, OOD) 왜곡을 유발하며, 그 결과 정확도 저하가 심각해지고 탈중앙화 환경에서 신뢰성을 약화시킨다. 이러한 문제를 해결하기 위해 본 연구는 70명의 한국 고령 유명인의 700개 이미지로 구성된 Korean Senior Face Benchmark를 제안하며, 대표성이 부족한 집단에 대해 보다 현실적인 평가를 가능하게 한다. 우리는 정량적으로, 최근의 최첨단 모델들이 현실적인 왜곡 조건에서 유의미한 성능 저하를 겪는다는 점을 보여주어 향상된 강인성의 필요성을 강조한다. 마지막으로, 경량의 테스트 시 적응(test-time adaptation, TTA) 전략이 재학습 없이 OOD 성능을 회복할 수 있음을 입증하며, 이는 사용자 프라이버시를 보존하면서 엣지 디바이스와 분산 인프라에 적합함을 시사한다. 실험 결과, 가장 심각한 왜곡에서 정확도가 최대 41.5%까지 향상되었고, 임베딩 공간에서 클래스 내(intra-class) 응집성과 클래스 간(inter-class) 분리성의 개선도 함께 관찰되었다. 제안된 벤치마크와 적응 파이프라인은 Web 3.0 응용에서 분산적이고 공정하며 프라이버시를 고려한 얼굴 인식 서비스를 구축하기 위한 실용적 기반을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.