孔隙尺度图像块数据集与孔隙尺度面部特征的比较评估
计算机视觉与模式识别
2025-12-02 v1
摘要
面部皮肤区域的弱纹理特性为诸如面部运动分析和三维人脸重建等应用中的局部描述子匹配带来了显著挑战。尽管深度学习描述子在许多应用中显示出优于传统手工描述子的优势，但缺乏孔隙尺度图像块数据集已阻碍了该领域的进一步发展。本文提出了孔隙Patch数据集，是一个高质量的孔隙尺度图像块数据集，并建立了合理的评估基准。我们引入数据-模型共进化(DMCE)框架，用于从高分辨率面部图像中生成逐步精炼的高质量数据集。随后我们在数据集上训练现有SOTA模型并进行大量实验。结果表明，SOTA模型在匹配任务上 achieves FPR95值为1.91%，相较于PSIFT(22.41%)提升了20.5%。然而其优势在三维重建任务中有所减弱，综合性能并不显著优于传统描述子。这表明深度学习描述子在解决面部弱纹理区域挑战方面仍存在局限性，该领域仍需继续努力。
引用
@article{arxiv.2512.00381,
title = {Pore-scale Image Patch Dataset and A Comparative Evaluation of Pore-scale Facial Features},
author = {Dong Li and HuaLiang Lin and JiaYu Li},
journal= {arXiv preprint arXiv:2512.00381},
year = {2025}
}