FROQ：用于高效质量评估的人脸识别模型观察工具
计算机视觉与模式识别
2025-09-23 v1
摘要
人脸识别（Face Recognition, FR）在许多关键（高风险）应用中发挥着关键作用，其中识别过程中的错误可能导致严重后果。人脸图像质量评估（FIQA）技术通过提供人脸样本的质量估计来增强FR系统，从而使系统能够丢弃不适用于可靠识别的样本，或导致低置信度识别决策。大多数最先进的FIQA技术依赖于大量的监督式训练才能实现准确的质量估计。相比之下，无监督技术无需额外的训练，但往往较慢，通常表现性能力较低。本文介绍了FROQ（Face Recognition Observer of Quality，即人脸识别质量观察者），一种半监督、无需训练的方法，它利用给定FR模型中的特定中间表示来估计人脸图像质量，并将监督式FIQA模型的效率与无监督方法的无训练特性相结合。基于伪质量标签的简单校准步骤允许FROQ在任何现代FR模型中发现用于质量评估的特定表示。为生成这些伪标签，我们提出了一种基于样本扰动的新型无监督FIQA技术。全面实验使用四个最先进的FR模型和八个基准数据集显示，FROQ在与最先进技术之间实现了高度具竞争力的结果，实现了卓越的性能和高效运行，无需进行显式训练。
引用
@article{arxiv.2509.17689,
title = {FROQ: Observing Face Recognition Models for Efficient Quality Assessment},
author = {Žiga Babnik and Deepak Kumar Jain and Peter Peer and Vitomir Štruc},
journal= {arXiv preprint arXiv:2509.17689},
year = {2025}
}
备注
Presented at the International Joint Conference on Biometrics (IJCB 2025)