一种具有相关性感知损失的轻量级集成人脸图像质量评估方法
计算机视觉与模式识别
2025-09-15 v1
摘要
人脸图像质量评估(FIQA)在人脸识别和验证系统中扮演着关键角色,尤其是在不受控的真实世界环境中。尽管已有数种方法被提出,但通用的无参考图像质量评估技术往往无法捕捉人脸特有的退化。同时,最先进的 FIQA 模型往往计算量大,限制了其实际适用性。我们提出了一种轻量且高效的 FIQA 方法,旨在对自然场景下的人脸图像进行感知评估。我们的方法集成了两个紧凑的卷积神经网络 MobileNetV3-Small 和 ShuffleNetV2 的集成,并通过简单平均进行预测层融合。为了增强与人类感知判断的一致性,我们采用了一种相关性感知损失(MSECorrLoss),将均方误差(MSE)与皮尔逊相关正则化项相结合。我们的方法在准确性和计算成本之间取得了良好的平衡,使其适用于真实世界的部署。在 VQualA FIQA 基准上的实验表明,我们的模型实现了 0.9829 的斯皮尔曼秩相关系数(SRCC)和 0.9894 的皮尔逊线性相关系数(PLCC),且保持在竞赛的效率约束范围内。
引用
@article{arxiv.2509.10114,
title = {A Lightweight Ensemble-Based Face Image Quality Assessment Method with Correlation-Aware Loss},
author = {MohammadAli Hamidi and Hadi Amirpour and Luigi Atzori and Christian Timmerer},
journal= {arXiv preprint arXiv:2509.10114},
year = {2025}
}