高级接受评分：生物识别量化的全面措施
计算机视觉与模式识别
2026-02-18 v1
摘要
在手势手势中进行生物识别特征量化涉及从手势和身份感知特征空间中推导适合度得分。然而，评估这些得分的质量仍是一个开放问题。现有的生物识别容量估计文献依赖于错误率，但这些率并不指示得分的好坏。因此，在本文中我们提出了一套详尽的评估措施。我们首先确定输出得分的排序顺序和相关性作为评估的主要基础。特别地，我们考虑排位偏差以及对：(i)高排名手势的高得分和(ii)低排名手势的低得分。我们还补偿了输出得分趋势与真实得分趋势之间的对应关系。最后，我们将手势身份特征之间的解缔性计为贴现因子。通过充分加权，将这些元素整合为一种全面的评估措施。为评估所提出措施的有效性，我们在三个数据集上对五个最先进(SOTA)模型进行深入实验。结果表明，借助我们所提出的措施所选取的最佳得分比现有的其他措施更合适。此外，我们的提出措施显示出与现有措施的相关性。这进一步验证了其可靠性。我们已将我们的\href{https://github.com/AmanVerma2307/MeasureSuite}{code}公开。
引用
@article{arxiv.2602.15535,
title = {Advanced Acceptance Score: A Holistic Measure for Biometric Quantification},
author = {Aman Verma and Seshan Srirangarajan and Sumantra Dutta Roy},
journal= {arXiv preprint arXiv:2602.15535},
year = {2026}
}