論文の概要: Learning Steadily: Accumulating Relative Point Margin Scores for Face Image Quality Assessment

• arxiv url: http://arxiv.org/abs/2609.31662v1
• Date: Tue, 15 Sep 2026 09:16:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 14:07:25.730941
• Title: Learning Steadily: Accumulating Relative Point Margin Scores for Face Image Quality Assessment
• Title（参考訳）: 画像品質評価のための相対点マージンスコアの蓄積
• Abstract要約: 顔画像品質評価による自動顔認識(FR)のための撮像顔画像の適合性判定 既存のFR統合FIQA法は、訓練中に特徴空間が進化するにつれて時間的不安定さに悩まされる。 本稿では, FR積分FIQAの安定化戦略であるCARPM-FIQAについて紹介する。
• 参考スコア（独自算出の注目度）: 19.115807754135094
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face Image Quality Assessment determines the suitability of captured face images for automated face recognition (FR), a critical capability for reliable biometric systems. Existing state-of-the-art FR-integrated FIQA methods suffer from temporal instability: as the feature space evolves during training, single-epoch quality estimates fluctuate, creating a moving target that undermines reliable quality prediction. We introduce CARPM-FIQA, a stabilization strategy for FR-integrated FIQA that accumulates relative point margin measurements, the ratio between intra-class compactness and inter-class separation, across the entire training trajectory rather than relying on single-epoch estimates. This cumulative averaging approach provides theoretically grounded advantages: reduced variance in quality estimates, improved mean squared error, and enhanced ranking stability with convergence guarantees as training progresses. Through controlled experiments on the SynFIQA dataset with labeled quality groups, we demonstrate that cumulative averaging achieves superior discriminative ability, and ablation studies across different training configurations confirm consistent improvements. Evaluated against twelve FIQA methods on eight challenging benchmarks with four FR models at two FMR thresholds, CARPM-FIQA places 4th (CARPM-FIQA(L)) and 6th (CARPM-FIQA(S)) of 17 compared methods by pAUC-EDC and AUC-EDC averaged across FR models and, after per-benchmark normalization, across benchmarks, staying within a few percent of the best method's normalized average for every FR model, providing a principled solution to training instability while maintaining the performance benefits of FR integration. More broadly, our work demonstrates that temporal aggregation strategies can stabilize training objectives in deep learning systems where target values inherently fluctuate due to evolving feature representations.
• Abstract（参考訳）: 顔画像品質評価は、信頼できる生体認証システムにおいて重要な機能である自動顔認識(FR)のための捕獲された顔画像の適合性を決定する。 既存の最先端FR統合FIQA法は、トレーニング中に特徴空間が進化するにつれて、単一エピック品質の見積が変動し、信頼性の高い品質予測を損なう移動目標が生成される。 本稿では,FR積分FIQAの安定化戦略であるCARPM-FIQAを紹介する。 この累積平均化アプローチは、品質推定のばらつきの低減、平均二乗誤差の改善、およびトレーニングが進むにつれて収束保証によるランク安定性の向上といった理論上の利点を提供する。 ラベル付き品質グループを用いたSynFIQAデータセットの制御実験を通じて,累積平均化が優れた識別能力を発揮することを示す。 CARPM-FIQA place 4th (CARPM-FIQA(L)) and 6th (CARPM-FIQA(S)) of 17 using method by pAUC-EDC and AUC-EDC averaged around FR model and, and, in-benchmark normalization, after the benchmarks across the most method's normalized average for every FR model, provided a principled solution to training instability while the performance benefit of FR integration。 より広範に、我々の研究は、時間的集約戦略が、目的値が進化する特徴表現によって本質的に変動する深層学習システムにおいて、訓練目標を安定化させることができることを示した。

関連論文リスト

• Revisiting Classifier-Free Guidance Methods in Latent Diffusion Models [0.2730969268472861]
  拡散モデルを改善するために、推論時間品質向上手法が広く採用されている。 固定されたモデルごとのプロトコルの下で,2つのオープンウェイトトランスに対して,そのような8つの手法を再評価する。 測定基準を越えてCFGを常に改善する手法は存在しない。
  論文  参考訳（メタデータ） (2026-08-17T16:40:54Z)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• Socrates Loss: Unifying Confidence Calibration and Classification by Leveraging the Unknown [4.503897051444244]
  ディープニューラルネットワークは、高い精度にもかかわらず、しばしば信頼性のキャリブレーションが低く、高い精度のアプリケーションでの信頼性を制限している。 現在のアドホック信頼度校正法は、トレーニング中にこれを修正しようとするが、基本的なトレードオフに直面している。 本稿では、この安定性と性能のトレードオフに対処し緩和する。 補助的未知のクラスを組み込むことにより、不確実性を明確に活用する、新規で統一された損失関数であるSocrates Lossを提案する。
  論文  参考訳（メタデータ） (2026-04-14T03:43:15Z)
• MaP: A Unified Framework for Reliable Evaluation of Pre-training Dynamics [72.00014675808228]
  大規模言語モデルの不安定性評価プロセスは、真の学習力学を曖昧にする。 textbfMaPは、アンダーラインMergingアンダーラインとアンダーラインPass@kメトリックを統合するフレームワークです。 実験により、MaPはよりスムーズな性能曲線を示し、ラン間分散を低減し、より一貫性のあるランキングを保証する。
  論文  参考訳（メタデータ） (2025-10-10T11:40:27Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• FROQ: Observing Face Recognition Models for Efficient Quality Assessment [5.154970335677459]
  顔認識(FR)は多くの重要な(高い)応用において重要な役割を担っている。 最先端のFIQA技術の多くは、正確な品質推定を達成するために広範囲の教師付きトレーニングに依存している。 本稿では、顔画像の品質を半教師あり、トレーニングなしのアプローチであるFROQを紹介する。
  論文  参考訳（メタデータ） (2025-09-22T12:29:44Z)
• GraFIQs: Face Image Quality Assessment Using Gradient Magnitudes [9.170455788675836]
  顔画像品質評価(FIQA)は、顔認識(FR)システムにおける顔画像の有用性を推定する。 本研究では,事前学習したFRモデルの重量変化を検査し,顔画像の品質を評価する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-18T14:07:08Z)
• 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)
• Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
  本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。 信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
  論文  参考訳（メタデータ） (2023-01-25T19:35:23Z)

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。