論文の概要: Surveillance Facial Image Quality Assessment: A Multi-dimensional Dataset and Lightweight Model

• arxiv url: http://arxiv.org/abs/2602.07403v1
• Date: Sat, 07 Feb 2026 06:51:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.606215
• Title: Surveillance Facial Image Quality Assessment: A Multi-dimensional Dataset and Lightweight Model
• Title（参考訳）: サーベイランス顔画像品質評価:多次元データセットと軽量モデル
• Authors: Yanwei Jiang, Wei Sun, Yingjie Zhou, Xiangyang Zhu, Yuqin Cao, Jun Jia, Yunhao Li, Sijing Wu, Dandan Zhu, Xingkuo Min, Guangtao Zhai,
• Abstract要約: 監視顔画像品質評価(SFIQA)に関する初の総合的研究を提案する。 SFIQA-Benchは、現実世界のシナリオで3つの広く配備された監視カメラによって撮影された5,004枚の監視顔画像で構成されている。 ノイズ、シャープネス、カラフルネス、コントラスト、忠実度、全体的な品質を含む6次元品質評価を主観的な実験により収集する。
• 参考スコア（独自算出の注目度）: 59.39390911456143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surveillance facial images are often captured under unconstrained conditions, resulting in severe quality degradation due to factors such as low resolution, motion blur, occlusion, and poor lighting. Although recent face restoration techniques applied to surveillance cameras can significantly enhance visual quality, they often compromise fidelity (i.e., identity-preserving features), which directly conflicts with the primary objective of surveillance images -- reliable identity verification. Existing facial image quality assessment (FIQA) predominantly focus on either visual quality or recognition-oriented evaluation, thereby failing to jointly address visual quality and fidelity, which are critical for surveillance applications. To bridge this gap, we propose the first comprehensive study on surveillance facial image quality assessment (SFIQA), targeting the unique challenges inherent to surveillance scenarios. Specifically, we first construct SFIQA-Bench, a multi-dimensional quality assessment benchmark for surveillance facial images, which consists of 5,004 surveillance facial images captured by three widely deployed surveillance cameras in real-world scenarios. A subjective experiment is conducted to collect six dimensional quality ratings, including noise, sharpness, colorfulness, contrast, fidelity and overall quality, covering the key aspects of SFIQA. Furthermore, we propose SFIQA-Assessor, a lightweight multi-task FIQA model that jointly exploits complementary facial views through cross-view feature interaction, and employs learnable task tokens to guide the unified regression of multiple quality dimensions. The experiment results on the proposed dataset show that our method achieves the best performance compared with the state-of-the-art general image quality assessment (IQA) and FIQA methods, validating its effectiveness for real-world surveillance applications.
• Abstract（参考訳）: サーベイランスの顔画像は、しばしば制約のない条件下で撮影され、低解像度、動きのぼやけ、閉塞、照明不良などの要因により、深刻な品質劣化をもたらす。 監視カメラに適用された最近の顔の復元技術は、視覚的品質を大幅に向上させるが、しばしばフィリティ(アイデンティティ保存機能)を損なう。 既存の顔画像品質評価(FIQA)は、主に視覚的品質または認識指向の評価に焦点を当てており、監視アプリケーションにとって重要な視覚的品質と忠実さに共同で対処することができない。 このギャップを埋めるために、監視顔画像品質評価(SFIQA)に関する最初の総合的研究を提案し、監視シナリオに固有の固有の課題をターゲットにした。 具体的には,監視顔画像の多次元品質評価ベンチマークであるSFIQA-Benchを構築した。 ノイズ,シャープネス,カラフルネス,コントラスト,忠実度,全体的な品質など,SFIQAの重要な側面をカバーする6次元品質評価を主観的な実験により収集する。 さらに,マルチタスクFIQAモデルであるSFIQA-Assessorを提案する。 その結果,本手法は現状の一般画像品質評価法 (IQA) とFIQA法とを比較検討し,実世界の監視アプリケーションの有効性を検証した。

関連論文リスト

• A Lightweight Face Quality Assessment Framework to Improve Face Verification Performance in Real-Time Screening Applications [0.0]
  顔画像の品質は、顔認証システムの精度と信頼性を決定する上で重要な役割を果たす。 低画質の顔画像は、しばしば動きのぼやけ、照明条件の悪さ、極端なポーズの変化などの要因によって引き起こされ、顔認識モデルの性能を著しく低下させる。 検証パイプラインに渡す前に,低品質の顔画像の事前フィルタリングを目的とした顔品質自動評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-21T18:04:14Z)
• Perceptual Depth Quality Assessment of Stereoscopic Omnidirectional Images [10.382801621282228]
  立体視全方位画像の高能率非参照(NR)深度品質評価のための目標品質評価モデルDQIを開発した。 人間の視覚システム(HVS)の知覚特性に触発されたDQIは,多色チャネル,適応型ビューポート選択,眼間不一致の特徴を基盤として構築されている。
  論文  参考訳（メタデータ） (2024-08-19T16:28:05Z)
• 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)
• Blind Multimodal Quality Assessment: A Brief Survey and A Case Study of Low-light Images [73.27643795557778]
  ブラインド画像品質評価(BIQA)は、視覚信号の客観的スコアを自動的に正確に予測することを目的としている。 この分野での最近の発展は、ヒトの主観的評価パターンと矛盾しない一助的解によって支配されている。 主観的評価から客観的スコアへの低照度画像の一意なブラインドマルチモーダル品質評価(BMQA)を提案する。
  論文  参考訳（メタデータ） (2023-03-18T09:04:55Z)
• Surveillance Face Anti-spoofing [81.50018853811895]
  Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。 本稿では,画像品質による性能劣化を軽減するために,コントラスト品質不変学習(CQIL)ネットワークを提案する。 多くの実験がSuHiFiMaskデータセットの品質と提案したCQILの優位性を検証する。
  論文  参考訳（メタデータ） (2023-01-03T07:09:57Z)
• 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)
• SER-FIQ: Unsupervised Estimation of Face Image Quality Based on Stochastic Embedding Robustness [15.431761867166]
  任意の顔認識モデルに基づいて顔の質を測定する新しい概念を提案する。 提案手法を,学界と産業界からの6つの最先端アプローチと比較した。
  論文  参考訳（メタデータ） (2020-03-20T16:50:30Z)

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。