基于潜扩散模型的面部增强：面向残缺条件下的 Forensic Face Recognition
计算机视觉与模式识别
2025-08-05 v1
摘要
面部识别系统在处理低质量 Forensic 证据图像时会严重性能下降。本文评估了基于潜扩散模型的增强方法，以提高在 Forensically relevant 残缺条件下的面部识别性能。我们使用来自 LFW 的 3000 名个体、24000 次识别尝试的数据集，实现了 Flux.1 Kontext Dev pipeline 配合 Facezoom LoRA 适配器，对抗七类残缺（包括压缩伪影、模糊效果和噪声污染）进行测试。我们的 approach 在整体上显著提升，将识别准确率从29.1%提高到84.5%（提升55.4个百分点，95%置信区间：[54.1, 56.7]）。统计分析揭示，所有残缺类型均实现显著性能提升，效应大小均超过常规临床意义阈值。这些发现确立了高级扩散增强在 Forensic 面部识别应用中的潜力。
关键词
引用
@article{arxiv.2508.00941,
title = {Latent Diffusion Based Face Enhancement under Degraded Conditions for Forensic Face Recognition},
author = {Hassan Ugail and Hamad Mansour Alawar and AbdulNasser Abbas Zehi and Ahmed Mohammad Alkendi and Ismail Lujain Jaleel},
journal= {arXiv preprint arXiv:2508.00941},
year = {2025}
}