人脸图像质量评估的更进一步：一种新数据库与模型
计算机视觉与模式识别
2023-08-01 v2
摘要
准确的图像质量评估（IQA）计算模型有益于许多视觉应用，如图像滤波、图像处理和图像生成。尽管人脸图像研究是计算机视觉研究中的重要子领域，但人脸 IQA 数据与模型的缺乏限制了当前 IQA 指标在人脸超分辨率、人脸增强和人脸编辑等人脸图像处理任务上的精度。为缩小这一差距，本文首先引入了迄今已构建的最大标注 IQA 数据库，其包含 20,000 张人脸——比所有现有已评级人脸数据集大一个数量级——涵盖高度多样情境下不同个体的面孔。基于该数据库，我们进一步提出了一种新颖的深度学习模型以准确预测人脸图像质量，该模型首次探索了将生成先验用于 IQA。通过利用在良好预训练的现成生成模型中编码的丰富统计信息，我们获得生成先验信息并将其作为潜在参考以辅助盲 IQA。实验结果证明了所提数据集在人脸 IQA 上的价值以及所提模型的优越性能。
引用
@article{arxiv.2207.04904,
title = {Going the Extra Mile in Face Image Quality Assessment: A Novel Database and Model},
author = {Shaolin Su and Hanhe Lin and Vlad Hosu and Oliver Wiedemann and Jinqiu Sun and Yu Zhu and Hantao Liu and Yanning Zhang and Dietmar Saupe},
journal= {arXiv preprint arXiv:2207.04904},
year = {2023}
}
备注
Appearing in IEEE TMM