論文の概要: Image Quality Assessment of Identity Cards Using Measures from Open Face Image Quality
- arxiv url: http://arxiv.org/abs/2606.11884v1
- Date: Wed, 10 Jun 2026 10:11:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.405051
- Title: Image Quality Assessment of Identity Cards Using Measures from Open Face Image Quality
- Title（参考訳）: オープンフェイス画像品質の指標を用いたアイデンティティカードの画質評価
- Authors: Gregor Grote, Juan E. Tapia, Christian Rathgeb,
- Abstract要約: 本稿では,OFIQ(Open Face Image Quality)標準のキャプチャ関連品質尺度をIDカード画像に適用することにより,遠隔検証システムにおける画像品質評価の課題に対処する。
我々の前処理パイプラインはコーナー検出、パースペクティブ正規化、フォアグラウンドマスキングを含む。
- 参考スコア（独自算出の注目度）: 8.045691602767565
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses the challenge of assessing image quality in ID cards in remote verification systems by applying capture-related quality measures from the Open Face Image Quality (OFIQ) standard to ID card images. Our preprocessing pipeline includes corner detection, perspective normalization, and comprehensive foreground masking to ensure accurate and unbiased quality measure computation. We evaluate the effectiveness of these measures by analyzing their correlation with the performance of three presentation attack detection (PAD) algorithms across four diverse ID card datasets, where two datasets contain bona fide, i.e. pristine, images and two contain printed mock ID cards. Our results suggest that quality assessment based on some OFIQ measures can significantly improve PAD performance.
- Abstract（参考訳）: 本稿では,OFIQ(Open Face Image Quality)標準のキャプチャ関連品質尺度をIDカード画像に適用することにより,遠隔検証システムにおける画像品質評価の課題に対処する。
我々の前処理パイプラインはコーナー検出、パースペクティブ正規化、フォアグラウンドマスキングを含む。
提案手法の有効性は、4つの多種多様なIDカードデータセットにおける3つの提示攻撃検出(PAD)アルゴリズムの性能と相関して評価し、その2つのデータセットにはボナフィド、プリスタン、イメージ、および2つのモックIDカードが含まれている。
以上の結果から,OFIQによる品質評価はPAD性能を著しく向上させる可能性が示唆された。
関連論文リスト
- Surveillance Facial Image Quality Assessment: A Multi-dimensional Dataset and Lightweight Model [59.39390911456143]
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。
論文 参考訳（メタデータ） (2026-02-07T06:51:03Z) - Perception-oriented Bidirectional Attention Network for Image Super-resolution Quality Assessment [61.27648290203618]
画像SR FR-IQAのための知覚指向双方向注意ネットワーク(PBAN)を提案する。
PBANは、イメージエンコーダモジュール、知覚指向双方向アテンション(PBA)モジュール、品質予測モジュールの3つのモジュールで構成されている。
提案するPBANは,最先端の品質評価方法より優れている。
論文 参考訳（メタデータ） (2025-09-08T08:39:45Z) - 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) - Generalized Portrait Quality Assessment [26.8378202089832]
本稿では,ポートレート品質評価(PQA)に対する学習に基づくアプローチを提案する。
提案手法はPIQ23ベンチマークの広範な実験により検証された。
FHIQAのソースコードは、PIQ23 GitHubリポジトリで公開されている。
論文 参考訳（メタデータ） (2024-02-14T13:47:18Z) - Blind Image Quality Assessment via Vision-Language Correspondence: A
Multitask Learning Perspective [93.56647950778357]
ブラインド画像品質評価(BIQA)は、参照情報なしで画像品質の人間の知覚を予測する。
我々は,他のタスクからの補助的知識を活用するために,BIQAのための汎用的かつ自動化されたマルチタスク学習手法を開発した。
論文 参考訳（メタデータ） (2023-03-27T07:58:09Z) - MSTRIQ: No Reference Image Quality Assessment Based on Swin Transformer
with Multi-Stage Fusion [8.338999282303755]
本稿では,Swin Transformerに基づく新しいアルゴリズムを提案する。
ローカル機能とグローバル機能の両方から情報を集約して、品質をより正確に予測する。
NTIRE 2022 Perceptual Image Quality Assessment Challengeのノーレファレンストラックで2位。
論文 参考訳（メタデータ） (2022-05-20T11:34:35Z) - A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。
本稿では,指紋画像品質評価のための既存手法について概説する。
また,指紋画像品質推定アルゴリズムの選定も行った。
論文 参考訳（メタデータ） (2021-11-14T19:53:12Z) - FaceQvec: Vector Quality Assessment for Face Biometrics based on ISO
Compliance [15.913755899679733]
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。
論文 参考訳（メタデータ） (2021-11-03T09:07:41Z) - 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。