人脸对齐对人脸图像质量的影响

人脸对齐是面部分析任务中准备人脸图像以进行特征提取的关键步骤。对于人脸识别、面部表情识别和面部属性分类等应用，在训练和推理过程中广泛使用对齐来标准化面部关键点的位置。众所周知，人脸对齐的应用和方法会显著影响面部分析模型的性能。然而，对齐对人脸图像质量的影响尚未得到深入研究。当前的人脸图像质量评估（FIQA）研究通常将对齐视为前提条件，但并未明确评估对齐如何影响质量指标，尤其是在现代基于深度学习的检测器集成了检测和关键点定位的情况下。为满足这一需求，我们的研究考察了人脸对齐对人脸图像质量分数的影响。我们在LFW、IJB-B和SCFace数据集上进行了实验，使用MTCNN和RetinaFace模型进行人脸检测和对齐。为了评估人脸图像质量，我们采用了多种评估方法，包括SER-FIQ、FaceQAN、DifFIQA和SDD-FIQA。我们的分析包括检查LFW和IJB-B数据集的质量分数分布，以及分析SCFace数据集中不同距离下的平均质量分数。我们的发现表明，人脸图像质量评估方法对对齐敏感。此外，这种敏感性在具有挑战性的现实条件下会增加，凸显了评估对齐在质量评估中作用的重要性。