2023년 고1 11월 모의고사 영어 37번 해설 및 분석

2023년 고1 11월 모의고사 영어 37번 해설 및 분석

 

37. Despite the remarkable progress in deep-learning based facial recognition approaches in recent years, in terms of identification performance, they still have limitations. These limitations relate to the database used in the learning stage.

 

(A) To counteract this problem, researchers have developed models for face aging or digital de-aging. It is used to compensate for the differences in facial characteristics, which appear over a given time period.

 

(B) If the selected database does not contain enough instances, the result may be systematically affected. For example, the performance of a facial biometric system may decrease if the person to be identified was enrolled over 10 years ago.

 

(C) The factor to consider is that this person may experience changes in the texture of the face, particularly with the appearance of wrinkles and sagging skin. These changes may be highlighted by weight gain or loss. * biometric: 생체 측정의 ** sagging: 처진

 

① (A) - (C) - (B) ② (B) - (A) - (C) ③ (B) - (C) - (A) ④ (C) - (A) - (B) ⑤ (C) - (B) - (A)

 

Despite the remarkable progress in deep-learning based facial recognition approaches in recent years,(-) in terms of identification performance, they still have limitations(-). These limitations(-) relate to the database used in the learning stage.

(A) 이 문제가 안 나와서 X 그리고 데이터베이스에 관해서 나와야할 상황 / (B) 데이터베이스 나와서 고

(B) If the selected database does not contain enough instances(-), the result may be systematically affected.(-) For example, the performance of a facial biometric system may decrease(-) if the person to be identified was enrolled over 10 years ago.(-)

(C) this person 이 언급되어야 함 (B) 마지막 문장에 the person과 연결 가능 그래서 (C) 고

(C) The factor to consider is that this person may experience changes(-) in the texture of the face, particularly with the appearance of wrinkles and sagging skin.(-) These changes may be highlighted by weight gain or loss.

(A) To counteract this problem, researchers have developed models for face aging or digital de-aging. It is used to compensate for(+) the differences(-) in facial characteristics, which appear over a given time period.

 

0) 문장별 영어 단어 

Despite(…에도 불구하고) the(그) remarkable(눈에 띄는) progress(진전) in(~에서) deep-learning based(딥러닝 기반의) facial(얼굴) recognition(인식) approaches(접근법들) in(…한 면에서) recent(최근의) years,(몇 년) in terms of(~의 관점에서) identification(식별) performance,(성능) they(그것들은) still(여전히) have(가지고 있다) limitations.(한계들)

These(이러한) limitations(한계들은) relate(관련된다) to(~에) the(그) database(데이터베이스) used(사용된) in(~에서) the(그) learning(학습) stage.(단계)

 

(B) If(만약) the(그) selected(선정된) database(데이터베이스가) does not contain(포함하지 않는다면) enough(충분한) instances,(사례들/표본들) the(그) result(결과가) may be(…일 수 있다) systematically(체계적으로) affected.(영향을 받다)

 

For example,(예를 들어,) the(그) performance(성능) of(~의) a(하나의) facial(얼굴) biometric(생체인식) system(시스템이) may decrease(감소할 수 있다) if(만약) the(그) person(사람이) to be identified(식별될) was enrolled(등록되었다) over(…보다 더) 10(10) years(년) ago.(전에)

 

(C) The(그) factor(요인) to consider(고려해야 할) is(…이다) that(~라는 것) this(이) person(사람이) may experience(겪을 수 있다) changes(변화들) in(~에서) the(그) texture(질감/피부결) of(~의) the face,(얼굴) particularly(특히) with(~와 함께) the(그) appearance(등장/출현) of(~의) wrinkles(주름) and(그리고) sagging(처짐) skin.(피부)

 

These(이러한) changes(변화들은) may be(…일 수 있다) highlighted(두드러지다) by(~에 의해) weight(체중) gain(증가) or(또는) loss.(감소)

 

(A) To(~하기 위해) counteract(상쇄하다/대응하다) this(이) problem,(문제에) researchers(연구자들은) have developed(개발해 왔다) models(모델들을) for(~을 위한) face(얼굴) aging(노화) or(또는) digital(디지털) de-aging.(역노화)

 

It(그것은) is used(사용된다) to(~하기 위해) compensate(보정하다) for(~에 대해) the(그) differences(차이들) in(~에서의) facial(얼굴) characteristics,(특징들) which(그리고 그것들은) appear(나타난다) over(~에 걸쳐) a(하나의) given(주어진) time(시간) period.(기간)

 

 

1) 문장별 영어 

Despite the remarkable progress(놀라운 진전에도 불구하고) in deep-learning–based facial recognition(딥러닝 기반 얼굴인식에서), they(그것들은)【they→deep-learning–based facial recognition approaches】 still have limitations(여전히 한계가 있다) in terms of identification performance(식별 성능 면에서).
[S1] 딥러닝 얼굴인식이 크게 발전했지만, 식별 성능에는 여전히 한계가 있다.

친구단어 

• despite (prep.) = …에도 불구하고
  • 변형: in spite of (…에도 불구하고)
  • Syn: notwithstanding (…에도 불구하고)
  • Ant: because of (… 때문에)
  • Colloc/Pattern: despite challenges (어려움에도 불구하고)
• remarkable progress (n. phrase) = 놀라운 진전
  • 변형: make progress (진전을 이루다), progressive (진보적인)
  • Syn: significant improvement (상당한 개선)
  • Ant: setback (후퇴/악화)
  • Colloc/Pattern: show remarkable progress (놀라운 진전을 보이다)
• deep-learning–based facial recognition (n. phrase) = 딥러닝 기반 얼굴인식
  • 변형: deep-learning model (딥러닝 모델), face recognition system (얼굴인식 시스템)
  • Syn: AI-driven facial recognition (AI 기반 얼굴인식)
  • Ant: rule-based facial recognition (규칙 기반 얼굴인식)
  • Colloc/Pattern: deep-learning–based approach (딥러닝 기반 접근법)
• have limitations (v. phrase) = 한계가 있다
  • 변형: be limited (제한적이다), limitation (한계/제한)
  • Syn: fall short (모자라다), be constrained (제약을 받다)
  • Ant: be robust (견고하다), be sufficient (충분하다)
  • Colloc/Pattern: have limitations in A (A에서 한계가 있다)
• in terms of (prep. phrase) = …의 면에서/관점에서
  • 변형: in … terms (…의 관점에서)
  • Syn: with respect to (…에 관하여), regarding (…에 관해)
  • Ant: regardless of (…와 상관없이)
  • Colloc/Pattern: in terms of accuracy (정확도 면에서)
• identification performance (n. phrase) = 식별 성능
  • 변형: identify (식별하다), identity (정체성), performance metric (성능 지표)
  • Syn: recognition accuracy (인식 정확도)
  • Ant: misidentification rate (오식별률)
  • Colloc/Pattern: improve identification performance (식별 성능을 개선하다)
• still (adv.) = 여전히
  • Syn: nevertheless (그럼에도), yet (아직/여전히)
  • Ant: no longer (더 이상 …아니다)
  • Colloc/Pattern: still face issues (여전히 문제에 직면하다)

 

 

 

These limitations(이러한 한계들은)【These limitations→S1의 limitations】 relate to(~와 관련된다) the database used in the learning stage(학습 단계에 사용된 데이터베이스).
[S2] 그 한계는 학습 단계에서 쓴 데이터베이스와 맞물린다.

친구단어

• limitation(s) (n) = 한계/제한
  • Syn: constraint (제약), restriction (제한)
• relate to (v phrase) = ~와 관련되다
  • Syn: be connected to (연관되다), be associated with (관련되다)
  • Colloc/Pattern: relate to X factor/issue (X 요소/문제와 관련되다)
• database (n) = 데이터베이스
  • Colloc/Pattern: training/learning database (학습/훈련 데이터베이스)
• used in ~ (reduced relative) = ~에서 사용된
  • Pattern: the N used in + 장소/단계 (~에서 사용된 N)
• learning stage (n) = 학습 단계
  • Syn: training phase (훈련 단계), development stage (개발 단계)

 

 

 

If the selected database(선정된 데이터베이스가) does not contain enough instances(충분한 표본을 포함하지 않으면), the result may be systematically affected(결과가 체계적으로 영향을 받을 수 있다).
[S3] 표본이 부족하면 결과가 체계적으로 왜곡될 수 있다.

친구단어 

• selected database (명사구) = 선정된 데이터베이스
  • 변형: choose/select a database (데이터베이스를 선정하다)
  • Colloc/Pattern: database selection criteria (데이터베이스 선정 기준)
• contain enough ~ (동사구) = 충분한 ~을 포함하다
  • 변형: contain sufficient/adequate ~ (충분/적절한 ~을 포함하다)
  • Colloc/Pattern: contain enough instances/samples (충분한 표본을 포함하다)
• instance (명사) = 사례, 표본
  • Syn: case (사례), sample (표본)
• If S does not V, … (조건절) = 만약 S가 V하지 않으면, …
  • Colloc/Pattern: If ~ not, then ~ (조건-결과 구조)
• result (명사) = 결과, 산출물
  • Colloc/Pattern: experimental/statistical result (실험/통계 결과)
• be affected (수동구문) = 영향을 받다
  • Syn: be influenced (영향을 받다), be biased (편향되다)
  • Colloc/Pattern: be affected by N (N에 의해 영향을 받다)
• systematically (부사) = 체계적으로, 체계적 방식으로
  • Colloc/Pattern: systematically biased (체계적으로 편향된), systematically affected (체계적으로 영향을 받은)
• may + be p.p. (조동사 수동) = ~될 수 있다
  • Colloc/Pattern: may be affected/altered (~에 영향/변경될 수 있다)

 

 

 

For example(예컨대), the performance of a facial biometric system(안면 생체인식 시스템의 성능이) may decrease(저하될 수 있다) if the person to be identified(식별 대상자가) was enrolled over 10 years ago(10년 넘게 전에 등록되었다면).
[S4] 등록이 10년 이상 지난 대상을 식별할 때 성능이 떨어질 수 있다.

친구단어

• facial biometric system (n.) = 안면 생체인식 시스템
  • Syn: face recognition system (얼굴 인식 시스템)
  • Colloc/Pattern: deploy a facial biometric system (안면 생체인식 시스템을 배치하다)
• performance (n.) = 성능/성과
  • Colloc/Pattern: system performance (시스템 성능), performance degradation (성능 저하)
• may decrease (v. modal) = 저하될 수 있다
  • Syn: may decline (감소할 수 있다), may deteriorate (악화될 수 있다)
• the person to be identified (n. phrase) = 식별 대상자
  • Syn: subject (피식별자/대상자)
  • Colloc/Pattern: identify a person (사람을 식별하다)
• enroll (v.) = 등록하다(시스템에 얼굴/특징을 저장하다)
  • 변형: was enrolled (수동 과거: 등록되었다)
  • Colloc/Pattern: enroll a subject (대상자를 등록하다), enrollment data (등록 데이터)
• over 10 years ago (time exp.) = 10년 넘게 전에
  • Syn: more than a decade ago (10여 년 전에)
  • Colloc/Pattern: captured over 10 years ago (10년 넘게 전에 촬영됨)
• for example (discourse marker) = 예컨대/예를 들어
  • Syn: for instance (예를 들어)

 

 

 

The factor to consider(고려해야 할 요인은) is that(~라는 점이다) this person(이 사람이)【this person→the person to be identified】 may experience changes in the texture of the face(얼굴 피부결 변화—주름·처짐—를 겪을 수 있다는).
[S5] 핵심 변수는 대상자의 얼굴 결(주름·처짐 등)이 변할 수 있다는 점이다.

친구단어

• factor to consider (명사구) = 고려해야 할 요인
  • 변형: key factor (핵심 요인), relevant factor (관련 요인)
  • Syn: point to consider (고려할 점), consideration (고려 사항)
  • Colloc/Pattern: a factor to consider is (that) S+V (요인 제시 구조)
• be that S+V (동사구/보어절) = ~라는 점이다
  • 변형: the point is that (요지는 ~이다)
  • Syn: it is the case that (~라는 사실이다)
• this person (대명사구) = 이 사람(지칭 대상)
  • 변형: the individual (그 개인), the person in question (문제의 인물)
  • Note: 본문 주석 the person to be identified (식별할 사람)
• may (조동사) = ~할 수 있다/가능성이 있다
  • 변형: might (어쩌면 ~할지 모른다)
• experience (동사) = 겪다/경험하다
  • Syn: undergo (겪다), go through (겪다)
• changes in the texture of the face (명사구) = 얼굴 피부결의 변화
  • 변형: skin texture changes (피부결 변화), facial texture changes (안면 피부결 변화)
  • Colloc/Pattern: changes in + 명사 (~의 변화)
• texture (of the skin/face) (명사) = (피부의) 결/질감
  • Colloc/Pattern: fine lines and wrinkles (잔주름과 주름), sagging (처짐)

 

 

 

These changes(이러한 변화는)【These changes→S5의 facial changes】 may be highlighted by(~로 더 두드러질 수 있다) weight gain or loss(체중 증가나 감소로).
[S6] 이런 변화는 체중 증감으로 더 도드라질 수 있다.

친구단어

• these changes (NP 명사구) = 이러한 변화들
  • 변형: these facial changes (이러한 얼굴 변화들)
• may (modal 조동사) = ~일 수 있다/가능성이 있다
  • 변형: might (어쩌면 ~일지 모른다)
• be highlighted by ~ (passive 수동) = ~로 더 두드러지다/부각되다
  • Syn: be accentuated by ~ (~로 강조되다)
  • Colloc/Pattern: be highlighted by + 원인/요인
• highlight (v 동사) = 강조하다/두드러지게 하다
  • 변형: highlighting (강조/부각), highlighted (부각된)
• weight gain (n 명사) = 체중 증가
  • Colloc/Pattern: unintentional weight gain (의도치 않은 체중 증가)
• weight loss (n 명사) = 체중 감소
  • Colloc/Pattern: rapid weight loss (급격한 체중 감소)
• gain or loss (N or N 패턴) = 증가 또는 감소
• by (prep 전치사) = ~로 인해/~에 의해
  • 사용: 수동태 원인/수단 표시 (be highlighted by ~)

 

 

 

To counteract this problem(이 문제에 대응하기 위해), researchers have developed(연구자들은 개발해 왔다) models for face aging or digital de-aging(얼굴 노화/디지털 역노화 모델을).【this problem→S3–S6의 데이터·시간경과로 인한 성능 저하】
[S7] 이에 연구자들은 얼굴 노화/역노화 모델을 만들었다.

친구단어 

• counteract (v. 상쇄하다/대응하다) = 대응하다/상쇄하다
  • 변형: counteracting (대응하는/분사), counteraction (대응/상쇄)
  • Syn: mitigate (완화하다), offset (상쇄하다)
  • Colloc/Pattern: counteract this problem (이 문제에 대응하다)
• researcher(s) (n. 연구자(들)) = 연구자(들)
  • 변형: research (연구/명사·연구하다/동사), research team (연구팀)
  • Colloc/Pattern: researchers have developed (연구자들이 개발해 왔다)
• have developed (present perfect 현재완료) = 개발해 왔다/개발했다(결과 지속)
  • 변형: develop (개발하다), development (개발/발달)
  • Colloc/Pattern: have developed models (모델을 개발해 왔다)
• model(s) (n. 모델/모형/알고리즘) = 모델(들)
  • 변형: modeling (모델링), model-based (모델 기반의)
  • Colloc/Pattern: models for ~ (~을 위한 모델들), baseline model (기준 모델)
• face aging (n. 얼굴 노화(모델링/합성)) = 얼굴 노화
  • Syn: age progression (연령 증가 합성)
  • Ant: age regression (연령 감소 합성)
  • Colloc/Pattern: models for face aging (얼굴 노화용 모델)
• digital de-aging (n. 디지털 역노화/젊게 보이게 하기) = 디지털 역노화
  • 변형: de-age (젊게 보이게 하다/동사), de-aged (젊어지게 처리된/형용사)
  • Syn: rejuvenation (회춘 처리), youthification (젊게 보이게 함/비격식)
  • Colloc/Pattern: models for digital de-aging (디지털 역노화 모델)
• to ~ , … (purposive infinitive 목적의 부정사) = ~하기 위해
  • Colloc/Pattern: To counteract A, B do C (A에 대응하기 위해 B가 C를 하다)

 

 

 

 

It(이는)【It→the models for face aging or digital de-aging】 is used to compensate for(~을 보정하는 데 쓰인다) the differences in facial characteristics(얼굴 특성의 차이) which(이는 …한)【which→differences in facial characteristics】 appear over a given time period(일정 기간에 걸쳐 나타나는).
[S8] 이 모델은 시간에 따라 생기는 얼굴 특성 차이를 보정하는 용도로 쓰인다.

친구단어 

• be used to + V (수동 + 부정사 패턴) = ~하는 데 사용되다
  • 변형: use A to + V (A를 사용하여 ~하다), be used for + N/V-ing (~에 사용되다)
  • Colloc/Pattern: X is used to + V (용도/목적 제시)
• compensate for (v. phrase) = ~을 보정/보완/상쇄하다
  • Syn: offset (상쇄하다), correct for (보정하다)
  • Colloc/Pattern: compensate for + bias/noise/variation (편향/잡음/변이를 보정)
• differences in + N (n. phrase 패턴) = ~에서의 차이
  • Syn: variation in (변이), disparity in (격차)
  • Colloc/Pattern: differences in characteristics/age/lighting (~의 차이)
• facial characteristics (n. phrase) = 얼굴 특성/안면 특징
  • Syn: facial features (안면 특징), morphology (형태)
  • Colloc/Pattern: individual facial characteristics (개인별 얼굴 특성)
• which (rel. pronoun) (관계대명사) = …하는/…한 (선행사 수식)
  • 변형: that (제한적 용법), which (격식/비인칭)
• appear (v.) = 나타나다/발현되다
  • Syn: emerge (드러나다), manifest (발현되다)
  • Colloc/Pattern: features appear over time (특성이 시간이 지남에 따라 나타나다)
• over a given time period (prep. phrase) = 일정(주어진) 기간에 걸쳐
  • 변형: over time (시간이 지남에 따라), within a time window (시간 구간 내)
  • Colloc/Pattern: measure/change over a period (기간에 걸쳐 측정/변화)

 

 

 

2) 구조 독해

● 〈S1–S2〉 [문제 제시] 딥러닝 얼굴인식의 잔존 한계 ↔ 학습 DB 의존성.
● 〈B: S3–S4〉 [원인1: 데이터] 표본 부족/오래된 등록 → 성능 편향/저하.
● 〈C: S5–S6〉 [원인2: 시간·생리] 주름·처짐·체중변화 등 외모 변화.
● 〈A: S7–S8〉 [대응] 노화/역노화 모델로 시간 경과 차이 보정.

 

 

3) 제목 · 주제 · 요약문 

• Title (EN): Fixing Time Gaps in Face Recognition: Aging Models
  제목 (KO): 얼굴인식의 시간 격차 보정: 에이징 모델
• Topic (EN): Database recency matters; aging changes degrade performance, so aging/de-aging models compensate.
  주제 (KO): 오래된 학습·등록 데이터로 인한 성능 저하를 얼굴 에이징/디에이징으로 보정.
• Summary (EN): Limitations in identification often stem from training/enrollment databases lacking recent instances. As faces change with time (wrinkles, sagging, weight shifts), systems falter; thus researchers apply face aging/de-aging models to bridge that gap.
  요약 (KO): 학습·등록 DB가 오래되면 시간에 따른 얼굴 변화로 성능이 떨어져, 이를 보완하려고 에이징/디에이징 모델을 적용한다.

 

4) 문제 풀이법 (How to Solve)

1. 흐름: 문제의 원인(B: 오래된 DB→성능 저하) → 구체적 이유(C: 시간에 따른 얼굴 변화) → 해결책(A: 에이징/디에이징 보정).
2. 연결 신호: “To counteract this problem”(A)는 앞선 문제 제시(B·C)를 받아 해결 제시.
3. 한 줄 정리: 원인(B) → 이유(C) → 해결(A) ⇒ 정답 ③ (B)-(C)-(A).