利用盲脸复原提升跨质量人脸验证
计算机视觉与模式识别
2023-08-17 v1
摘要
近年来，多种盲脸复原（BFR）技术被开发出来。这些技术将遭受多种退化的低质量人脸转换为具有较高感知质量、更真实自然的图像。然而，对于人脸验证任务而言，关键不仅在于提升低质量图像的感知质量，还在于改善生物特征效用的人脸质量度量。此外，保留有价值的身份信息至关重要。本文中，我们研究了在极低质量图像构成的极具挑战性环境下，应用三种最先进盲脸复原技术——即 GFP-GAN、GPEN 与 SGPN——对人脸验证系统性能的影响。基于近期提出的跨质量 LFW 数据库，使用三种最先进深度人脸识别模型的大量实验结果表明，GFP-GAN 能显著提振人脸验证准确率。
引用
@article{arxiv.2308.07967,
title = {Boosting Cross-Quality Face Verification using Blind Face Restoration},
author = {Messaoud Bengherabi and Douaa Laib and Fella Souhila Lasnami and Ryma Boussaha},
journal= {arXiv preprint arXiv:2308.07967},
year = {2023}
}
备注
paper accepted at BIOSIG 2023 conference