IFQA：可解释人脸质量评估
计算机视觉与模式识别
2025-11-20 v2
摘要
现有人脸修复模型依赖于未考虑面部区域特征的通用评估指标。因此近期工作通过人类研究来评估其方法，这种方式不可扩展且耗费大量精力。本文提出一种基于对抗框架的以人脸为中心的新颖指标，其中生成器模拟人脸修复，判别器评估图像质量。具体而言，我们的逐像素判别器实现了传统指标无法提供的可解释评估。此外，我们的指标强调面部主要区域，因为即便眼睛、鼻子和嘴巴的微小变化也会显著影响人类认知。我们的面向人脸的指标以显著优势持续超越现有通用或人脸图像质量评估指标。我们在各种架构设计和具有挑战性的场景中展示了所提策略的泛化性。有趣的是，我们发现我们的 IFQA 作为目标函数可带来性能提升。
引用
@article{arxiv.2211.07077,
title = {IFQA: Interpretable Face Quality Assessment},
author = {Byungho Jo and Donghyeon Cho and In Kyu Park and Sungeun Hong},
journal= {arXiv preprint arXiv:2211.07077},
year = {2025}
}
备注
WACV 2023, Code: https://github.com/VCLLab/IFQA