移动安全图形的预测质量评估

安全图形验证的可靠性——一种关键的防伪工具——因智能手机上图像采集质量差而受到损害。用户对这些高熵模式的无控制捕获会导致高误拒率，从而产生显著的"可靠性差距"。为了弥合这一差距，我们偏离传统的感知 IQA，引入了一个框架，用于预测帧在下游验证任务中的效用。我们提出了一种轻量级模型来预测视频帧的质量分数，以确定其是否适合资源密集型预言模型。我们的框架通过在一个包含来自 105 部智能手机的 32000+ 张图像的大规模数据集上，使用重新上下文化的 FNMR 和 ISRR 指标进行了验证。此外，针对来自不同工业印刷机的图形进行的一项新颖的跨域分析揭示了一个关键发现：在冻结的 ImageNet 预训练网络上使用轻量级探针，比完全微调的模型更能泛化到未见印刷技术。这为真实世界的泛化提供了一个关键见解：对于来自物理制造的域迁移，冻结的通用骨干网络可能比完全微调更鲁棒，后者可能会过拟合到源域伪影。