같은 "얼굴 인식"이라도 시스템이 답하는 질문은 둘로 나뉩니다. "이 사람이 본인이 맞나?"와 "이 사람이 누구인가?"입니다. 앞은 1:1 확인, 뒤는 1:N 식별이라 부릅니다. 이 둘을 구분하면 시스템 설계의 방향과 난이도가 또렷해집니다.
1:1 확인 (verification)
1:1 확인은 "당신이 주장하는 그 사람이 맞는지"를 검증합니다. 사용자가 먼저 자신이 누구인지 밝히고(예: 사번 입력, 스마트폰 잠금 해제), 시스템은 그 한 명의 등록된 얼굴과 지금 얼굴을 비교합니다. 비교는 단 한 번, 임베딩 두 개의 거리를 재는 것으로 끝납니다.
스마트폰 얼굴 잠금 해제가 대표적입니다. 폰에는 주인 한 명의 얼굴만 등록되어 있고, 잠금을 풀려는 얼굴이 그 한 명과 같은지만 확인하면 됩니다. 비교 횟수가 1회라 빠르고 단순합니다.
1:N 식별 (identification)
1:N 식별은 "이 얼굴이 등록된 N명 중 누구인지"를 찾습니다. 사용자가 누구라고 밝히지 않아도, 시스템이 데이터베이스 전체와 비교해 가장 가까운 사람을 찾아냅니다. 비교가 N번 일어나고, 그중 가장 가까우면서 임계값을 통과한 사람을 답으로 냅니다.
홍길동·김철수·이영희...] --> C C --> D[가장 가까운 후보 선택] D --> E{임계값 통과?} E -->|예| F[그 사람으로 식별] E -->|아니오| G[미등록자]
출입 게이트에서 사번 입력 없이 얼굴만으로 통과하는 시스템, 사진 앱이 앨범 속 인물을 자동으로 묶어 주는 기능이 1:N입니다. 누구인지 미리 모른 채 전체에서 찾아야 하므로 1:1보다 어렵습니다.
둘의 차이를 한눈에
| 항목 | 1:1 확인 | 1:N 식별 |
|---|---|---|
| 질문 | 본인이 맞나? | 누구인가? |
| 사전 정보 | 주장한 신원 있음 | 없음 |
| 비교 횟수 | 1회 | N회 |
| 예시 | 폰 잠금, 출입 인증 | 출석 자동화, 사진 인물 묶기 |
| 난이도 | 상대적으로 쉬움 | 어려움(N이 클수록) |
N이 커지면 생기는 문제
1:N에서 등록 인원 N이 수만 명으로 커지면 두 가지 문제가 생깁니다. 첫째, 매번 N번 비교하면 느려집니다. 둘째, 후보가 많을수록 우연히 비슷한 남이 끼어들 확률이 올라가 오인 위험이 커집니다.
첫 번째 속도 문제는 모든 임베딩을 일일이 비교하는 대신, 가까운 벡터를 빠르게 찾아 주는 색인(인덱싱) 기술로 해결합니다. 이 대규모 검색은 PART 07(InsightFace)과 PART 10(종합 프로젝트)에서 다룹니다. 지금은 "1:N은 N이 커질수록 속도와 정확도 모두에 부담이 생긴다"는 감각만 잡아 두면 됩니다.
실무 팁. 시스템을 설계할 때 "정말 1:N이 필요한가"를 먼저 따지세요. 사용자가 사번이나 카드로 자신을 밝힐 수 있는 환경이라면, 1:1 확인이 훨씬 빠르고 정확하며 보안도 강합니다. 1:N은 "신원을 밝히는 절차 자체를 없애고 싶을 때"만 선택하는, 더 비싼 옵션입니다.
이 장에서 기억할 것
1:1 확인은 주장한 신원이 맞는지 한 번 비교하는 것(폰 잠금)이고, 1:N 식별은 누구인지 N명과 비교해 찾는 것(출석 자동화)입니다. 1:N은 비교 횟수와 오인 위험이 N에 비례해 커지므로, 대규모에서는 색인 기술이 필요합니다. 가능하면 1:1이 더 싸고 안전합니다. 다음 장에서는 이런 임베딩을 만들어 온 모델들의 계보를 개념만 훑어봅니다.