利用通用与人脸专用图像质量指标度量人脸图像效用的深度洞察
计算机视觉与模式识别
2021-10-25 v2
摘要
质量分提供了一种评估生物特征样本用于生物特征识别效用的度量。生物特征识别系统需要高质量样本以实现最优性能。本文关注人脸图像以及利用通用与人脸专用图像质量指标度量人脸图像效用。人脸专用指标依赖于对齐人脸图像的特征，而通用图像质量指标可用于全局图像并与人类感知相关。本文中，我们分析了通用图像质量指标与人脸图像质量指标之间的差距。我们的贡献在于深入考察不同的图像质量评估算法与人脸识别任务效用之间的关联程度。图像质量评估算法的结果进一步与专用人脸图像质量评估算法的结果进行比较。总计在三个_face图像数据库BioSecure、LFW和VGGFace2上，使用SphereFace、ArcFace和FaceNet三种开源人脸识别方案评估了25种不同的质量指标。我们的结果揭示了学习到的图像指标与人脸图像效用之间的明显相关性，即便其未专门作为人脸效用度量进行训练。手工特征缺乏普遍稳定性，且表现明显劣于通用人脸专用质量指标。我们还直观展示了选定质量评估方法的质量分所贡献的图像区域。
引用
@article{arxiv.2110.11111,
title = {A Deep Insight into Measuring Face Image Utility with General and Face-specific Image Quality Metrics},
author = {Biying Fu and Cong Chen and Olaf Henniger and Naser Damer},
journal= {arXiv preprint arXiv:2110.11111},
year = {2021}
}
备注
Accepted at the IEEE Winter Conference on Applications of Computer Vision, WACV 2022