人脸图像特征分析及其在弗雷谢距离和邻域中的专门化
计算机视觉与模式识别
2024-06-27 v1
摘要
评估图像和图像数据集之间的距离是视觉研究中的基本任务。这一问题在文献中仍是一个具有挑战性的开放问题。尽管该方法受到批评，但最常用的方法仍是弗雷谢滞后距离（Fr\'echet Inception Distance）。该滞后网络是在特定标记数据集 ImageNet 上训练的，这正是其最新研究批评的核心。通过转向在 ImageNet 上的自监督学习，已显示出改进效果，但训练数据的域仍为开放问题。我们做出了最后一步的突破，首次对面向人脸图像领域的特征训练及其对特征距离的影响进行分析。我们提供了此领域专门化针对弗雷谢距离和图像邻域的发现与见解，并通过大量实验和深入的用户研究予以支持。
引用
@article{arxiv.2406.18430,
title = {Facial Image Feature Analysis and its Specialization for Fr\'echet Distance and Neighborhoods},
author = {Doruk Cetin and Benedikt Schesch and Petar Stamenkovic and Niko Benjamin Huber and Fabio Zünd and Majed El Helou},
journal= {arXiv preprint arXiv:2406.18430},
year = {2024}
}