論文の概要: A Lightweight Ensemble-Based Face Image Quality Assessment Method with Correlation-Aware Loss

• arxiv url: http://arxiv.org/abs/2509.10114v1
• Date: Fri, 12 Sep 2025 10:13:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:08.048115
• Title: A Lightweight Ensemble-Based Face Image Quality Assessment Method with Correlation-Aware Loss
• Title（参考訳）: 相関認識損失を考慮した軽量アンサンブルによる顔画像品質評価手法
• Authors: MohammadAli Hamidi, Hadi Amirpour, Luigi Atzori, Christian Timmerer,
• Abstract要約: 顔画像品質評価(FIQA)は、顔認識および検証システムにおいて重要な役割を果たす。 本研究では,野生における顔画像の知覚的評価を目的とした,軽量で効率的なFIQA法を提案する。
• 参考スコア（独自算出の注目度）: 14.915614314380578
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face image quality assessment (FIQA) plays a critical role in face recognition and verification systems, especially in uncontrolled, real-world environments. Although several methods have been proposed, general-purpose no-reference image quality assessment techniques often fail to capture face-specific degradations. Meanwhile, state-of-the-art FIQA models tend to be computationally intensive, limiting their practical applicability. We propose a lightweight and efficient method for FIQA, designed for the perceptual evaluation of face images in the wild. Our approach integrates an ensemble of two compact convolutional neural networks, MobileNetV3-Small and ShuffleNetV2, with prediction-level fusion via simple averaging. To enhance alignment with human perceptual judgments, we employ a correlation-aware loss (MSECorrLoss), combining mean squared error (MSE) with a Pearson correlation regularizer. Our method achieves a strong balance between accuracy and computational cost, making it suitable for real-world deployment. Experiments on the VQualA FIQA benchmark demonstrate that our model achieves a Spearman rank correlation coefficient (SRCC) of 0.9829 and a Pearson linear correlation coefficient (PLCC) of 0.9894, remaining within competition efficiency constraints.
• Abstract（参考訳）: 顔画像品質評価(FIQA)は、顔認識と検証システム、特に制御されていない実環境において重要な役割を果たす。 いくつかの手法が提案されているが、汎用的な非参照画像品質評価技術は、顔特有の劣化を捉えるのに失敗することが多い。 一方、最先端のFIQAモデルは計算集約的であり、実用性が制限される傾向にある。 本研究では,野生における顔画像の知覚的評価を目的とした,軽量で効率的なFIQA法を提案する。 提案手法は,MobileNetV3-SmallとShuffleNetV2という2つのコンパクト畳み込みニューラルネットワークのアンサンブルと,単純な平均化による予測レベル融合を統合する。 人間の知覚的判断との整合性を高めるために、平均二乗誤差(MSE)とピアソン相関正規化器を組み合わせた相関認識損失(MSECorrLoss)を用いる。 提案手法は精度と計算コストのバランスが強く,実世界の展開に適した手法である。 VQualA FIQAベンチマークの実験により、我々のモデルは競争効率制約内に留まる0.9829のスピアマンランク相関係数(SRCC)と0.9894のピアソン線形相関係数(PLCC)を達成することを示した。

関連論文リスト

• Hybrid Image Resolution Quality Metric (HIRQM):A Comprehensive Perceptual Image Quality Assessment Framework [0.0]
  本稿では,HIRQM(Hybrid Image Resolution Quality Metric)を提案する。 動的重み付け機構は、輝度や分散といったイメージ特性に基づいてコンポーネントのコントリビューションを適応し、歪みタイプ間の柔軟性を向上させる。 TID2013とLIVデータセット、HIRQMピアソンとスピアマンの相関を0.92と0.90と評価し、従来の指標を上回った。
  論文  参考訳（メタデータ） (2025-05-04T06:14:10Z)
• Augmenting Perceptual Super-Resolution via Image Quality Predictors [10.586351810396645]
  超解像 (SR) は本質的に不備であり、全ての入力に対して可解解の分布を誘導する。 本研究では、SRコンテキストにおける強力な非参照画像品質評価(NR-IQA)モデルを活用する方法を検討する。 本研究は,非知覚的画素方向の歪みに焦点をあてるよりも,知覚的忠実度と人為的NR-IQA測定とのバランスを改善することを目的とした,より人間中心の知覚歪みのトレードオフを示すものである。
  論文  参考訳（メタデータ） (2025-04-25T17:47:38Z)
• Beyond Score Changes: Adversarial Attack on No-Reference Image Quality Assessment from Two Perspectives [15.575900555433863]
  本稿では,画像集合内の相関関係を乱し,個々の画像の変化をスコアする相関エラーに基づく新たな攻撃フレームワークを提案する。 我々の研究は、Spearman's Rank-Order correlation Coefficient (SROCC)やMean Squared Error (MSE)のような予測エラー関連指標のようなランキング関連相関指標に焦点を当てている。
  論文  参考訳（メタデータ） (2024-04-20T05:24:06Z)
• Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
  No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。 我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。 提案手法は,最新のPCQA手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-03-15T07:16:07Z)
• When No-Reference Image Quality Models Meet MAP Estimation in Diffusion Latents [92.45867913876691]
  非参照画像品質評価(NR-IQA)モデルは、知覚された画像品質を効果的に定量化することができる。 NR-IQAモデルは、画像強調のための最大後部推定(MAP)フレームワークにプラグイン可能であることを示す。
  論文  参考訳（メタデータ） (2024-03-11T03:35:41Z)
• GMC-IQA: Exploiting Global-correlation and Mean-opinion Consistency for No-reference Image Quality Assessment [40.33163764161929]
  我々は,グローバル相関と平均オピニオン整合性を利用する新たな損失関数とネットワークを構築した。 SROCCの微分不可能な問題を解くために、ペアワイズ選好に基づくランク推定を定義することにより、新しいGCC損失を提案する。 また,重み学習のランダム性を軽減するために,多様な意見特徴を統合した平均オピニオンネットワークを提案する。
  論文  参考訳（メタデータ） (2024-01-19T06:03:01Z)
• Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
  上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。 提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-12-11T06:50:27Z)
• You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
  本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。 まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。 エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
  論文  参考訳（メタデータ） (2023-10-14T11:03:04Z)
• Uncertainty-Aware Blind Image Quality Assessment in the Laboratory and Wild [98.48284827503409]
  我々は,テキスト化BIQAモデルを開発し,それを合成的および現実的歪みの両方で訓練するアプローチを提案する。 我々は、多数の画像ペアに対してBIQAのためのディープニューラルネットワークを最適化するために、忠実度損失を用いる。 6つのIQAデータベースの実験は、実験室と野生動物における画像品質を盲目的に評価する学習手法の可能性を示唆している。
  論文  参考訳（メタデータ） (2020-05-28T13:35:23Z)

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。