以往的人脸图像质量评估研究大多以样本层面不确定性或配对相似度作为质量评分标准,而且只考虑部分类内信息。这些方法忽略了来自类间有价值的信息。在本研究中,对于人脸识别系统,我们认为一个高质量的人脸图像应该与其类内样本相似,而与其类间样本不相似,如图1所示。为此,我们提出了一种基于类内-类间相似度分布距离的无监督人脸质量评估方法(SDD-FIQA)。

https://www.zhuanzhi.ai/paper/b51b03b10fb5b413e14282835e0e8a6a

该方法从人脸识别的性能影响因子出发,从理论上推导出人脸样本类间相似度分布与人脸图像质量高度相关,利用类内相似度分布和类间相似度分布之间的Wasserstein距离生成人脸图像质量伪标签。然后,利用这些质量伪标签进行无监督训练一个人脸质量回归网络,从而获得一个质量评估模型。大量实验表明,在各大人脸识别的基准数据集上,提出的SDD-FIQA方法在不同的人脸识别系统下,精度和泛化能力都达到国际最先进水平。

主要创新点:1)发现了人脸样本类间相似度分布与人脸图像质量高度相关;2)提出了类内-类间相似度分布距离的概念;3)从理论上导出了人脸图像质量与类内-类间相似度分布距离直接相关;4)提出了利用Wasserstein准则度量类内-类间相似度分布距离,并用于人脸图像质量评分;5)实现了一种完全无监督的人脸图像质量评估算法,性能最优。

成为VIP会员查看完整内容
31

相关内容

专知会员服务
38+阅读 · 2021年5月16日
专知会员服务
43+阅读 · 2021年4月18日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
37+阅读 · 2021年4月9日
【CVPR2021】动态度量学习
专知会员服务
39+阅读 · 2021年3月30日
专知会员服务
21+阅读 · 2021年3月25日
【CVPR2021】自监督几何感知
专知会员服务
45+阅读 · 2021年3月6日
专知会员服务
44+阅读 · 2021年1月31日
【CVPR2021】细粒度多标签分类
专知
44+阅读 · 2021年3月8日
半监督深度学习小结:类协同训练和一致性正则化
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17日
CVPR2018:基于时空模型无监督迁移学习的行人重识别
全球人工智能
7+阅读 · 2018年3月26日
最新|深度离散哈希算法,可用于图像检索!
全球人工智能
14+阅读 · 2017年12月15日
Arxiv
0+阅读 · 2021年5月13日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
SwapText: Image Based Texts Transfer in Scenes
Arxiv
4+阅读 · 2020年3月18日
Arxiv
5+阅读 · 2019年6月5日
VIP会员
相关VIP内容
专知会员服务
38+阅读 · 2021年5月16日
专知会员服务
43+阅读 · 2021年4月18日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
37+阅读 · 2021年4月9日
【CVPR2021】动态度量学习
专知会员服务
39+阅读 · 2021年3月30日
专知会员服务
21+阅读 · 2021年3月25日
【CVPR2021】自监督几何感知
专知会员服务
45+阅读 · 2021年3月6日
专知会员服务
44+阅读 · 2021年1月31日
微信扫码咨询专知VIP会员