論文の概要: FaceQvec: Vector Quality Assessment for Face Biometrics based on ISO
Compliance
- arxiv url: http://arxiv.org/abs/2111.02078v1
- Date: Wed, 3 Nov 2021 09:07:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-04 13:16:16.171118
- Title: FaceQvec: Vector Quality Assessment for Face Biometrics based on ISO
Compliance
- Title（参考訳）: FaceQvec:ISO準拠に基づく顔バイオメトリックスのベクトル品質評価
- Authors: Javier Hernandez-Ortega, Julian Fierrez, Luis F. Gomez, Aythami
Morales, Jose Luis Gonzalez-de-Suso, Francisco Zamora-Martinez
- Abstract要約: FaceQvecは、ISO/IEC 19794-5で実証された各点で顔画像の整合性を推定するソフトウェアコンポーネントである。
この品質基準は、パスポートやIDカードなどの公式文書での使用を許容または受け入れがたい顔画像の一般的な品質ガイドラインを定義している。
- 参考スコア（独自算出の注目度）: 15.913755899679733
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we develop FaceQvec, a software component for estimating the
conformity of facial images with each of the points contemplated in the ISO/IEC
19794-5, a quality standard that defines general quality guidelines for face
images that would make them acceptable or unacceptable for use in official
documents such as passports or ID cards. This type of tool for quality
assessment can help to improve the accuracy of face recognition, as well as to
identify which factors are affecting the quality of a given face image and to
take actions to eliminate or reduce those factors, e.g., with postprocessing
techniques or re-acquisition of the image. FaceQvec consists of the automation
of 25 individual tests related to different points contemplated in the
aforementioned standard, as well as other characteristics of the images that
have been considered to be related to facial quality. We first include the
results of the quality tests evaluated on a development dataset captured under
realistic conditions. We used those results to adjust the decision threshold of
each test. Then we checked again their accuracy on a evaluation database that
contains new face images not seen during development. The evaluation results
demonstrate the accuracy of the individual tests for checking compliance with
ISO/IEC 19794-5. FaceQvec is available online
(https://github.com/uam-biometrics/FaceQvec).
- Abstract（参考訳）: 本稿では,ISO/IEC 19794-5で実証された各点による顔画像の整合性を推定するソフトウェアコンポーネントであるFaceQvecを開発した。
このタイプの品質評価ツールは、顔認識の精度の向上や、特定の顔画像の品質に影響を与える要因の特定に役立ち、例えば、後処理技術や画像の再取得によって、これらの要因を排除または削減するためのアクションを取ることができる。
faceqvecは、前述の標準で検討された異なる点に関連する25の個別テストの自動化と、顔の質に関連すると考えられる画像の他の特徴からなる。
まず,実環境下で収集した開発データセットで評価した品質テストの結果を含める。
これらの結果を用いて各テストの判定閾値を調整した。
そして,その精度を,開発中に見えない新しい顔画像を含む評価データベースで検証した。
評価の結果,ISO/IEC 19794-5の適合性を確認するための個別試験の精度が示された。
FaceQvecはオンラインで入手できる(https://github.com/uam-biometrics/FaceQvec)。
関連論文リスト
- Demographic Variability in Face Image Quality Measures [6.765680388573267]
顔画像品質評価(FIQA)アルゴリズムは、オンラインアイデンティティ管理アプリケーションに統合されている。
バイオメトリックシステムに関して、人口統計バイアスに関する懸念が高まっている。
論文 参考訳（メタデータ） (2025-01-14T07:26:55Z) - F-Bench: Rethinking Human Preference Evaluation Metrics for Benchmarking Face Generation, Customization, and Restoration [44.51237819287311]
我々は、人間の好みを反映したきめ細かい品質アノテーションを備えたAI生成顔画像の大規模かつ包括的なデータベースFaceQを紹介する。
FaceQデータベースは、(1)顔生成、(2)顔のカスタマイズ、(3)顔の復元という3つのタスクで29のモデルで生成された12,255のイメージで構成されている。
180のアノテータから32,742の平均世論スコア(MOS)が含まれており、品質、信頼性、IDの忠実さ、テキスト画像の対応性など多岐にわたって評価されている。
論文 参考訳（メタデータ） (2024-12-17T18:28:48Z) - Impact of Face Alignment on Face Image Quality [0.0]
顔画像品質に対するアライメントの影響については, 十分に調査されていない。
本研究では,顔のアライメントが顔の画質に及ぼす影響について検討した。
論文 参考訳（メタデータ） (2024-12-16T13:49:57Z) - Rank-based No-reference Quality Assessment for Face Swapping [88.53827937914038]
顔スワップ法における品質測定の基準は、操作された画像とソース画像の間のいくつかの距離に依存する。
顔スワップ用に設計された新しい非参照画像品質評価法(NR-IQA)を提案する。
論文 参考訳（メタデータ） (2024-06-04T01:36:29Z) - Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。
我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。
我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
論文 参考訳（メタデータ） (2024-05-14T12:43:43Z) - Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。
本研究では,変換器を用いた全参照IQAモデルの性能について検討する。
また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
論文 参考訳（メタデータ） (2022-04-27T10:21:08Z) - AdaFace: Quality Adaptive Margin for Face Recognition [56.99208144386127]
本稿では、損失関数、すなわち画像品質における適応性の別の側面を紹介する。
そこで本稿では,画像品質に基づいて異なる難易度を示す新たな損失関数を提案する。
提案手法は,4つのデータセット上でのSoTA(State-of-the-art)による顔認識性能を向上させる。
論文 参考訳（メタデータ） (2022-04-03T01:23:41Z) - FaceQgen: Semi-Supervised Deep Learning for Face Image Quality
Assessment [19.928262020265965]
FaceQgenは、ジェネレーティブ・アドバイサル・ネットワークに基づく顔画像の非参照品質評価手法である。
顔認識精度に関連するスカラー品質尺度を生成する。
SCfaceデータベースを使用して、スクラッチからトレーニングされる。
論文 参考訳（メタデータ） (2022-01-03T17:22:38Z) - QMagFace: Simple and Accurate Quality-Aware Face Recognition [5.5284501467256515]
本稿では,QMag-Face(QMag-Face,QMag-Face,QMag-Face,QMag-Face,QMag-Face,QMag-Face,QMag-Face,QMag-Face)を提案する。
いくつかの顔認識データベースとベンチマークで実施された実験は、導入された品質認識が認識性能を一貫した改善をもたらすことを示した。
論文 参考訳（メタデータ） (2021-11-26T12:44:54Z) - Inducing Predictive Uncertainty Estimation for Face Recognition [102.58180557181643]
顔画像の「マッドペア」から画像品質訓練データを自動的に生成する手法を提案する。
生成したデータを用いて、顔画像の信頼度を推定するために、PCNetと呼ばれる軽量な予測信頼ネットワークを訓練する。
論文 参考訳（メタデータ） (2020-09-01T17:52:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。