博彩评级网-博彩网

近日，計算機科學與網絡工程學院王員根教授團隊提交的科研論文“SDD-FIQA: Unsupervised Face Image Quality Assessment with Similarity Distribution Distance”被國際計算機視覺頂級會議CVPR 2021錄用(會議主頁：http://cvpr2021.thecvf.com/)。CVPR全稱為IEEE Conference on Computer Vision and Pattern Recognition，是國際計算機視覺領域的頂級會議，屬于CCF-A類。

該論文第一作者是計算機學院2018級碩士研究生區富炤同學，第一署名單位為廣州大學，指導教師王員根教授為通訊作者，合作單位有騰訊優圖實驗室（上海）、南京理工大學和廈門大學。 

主要研究內容：

以往的人臉圖像質量評估研究大多以樣本層面不確定性或配對相似度作為質量評分標準，而且只考慮部分類內信息。這些方法忽略了來自類間有價值的信息。在本研究中，對于人臉識別系統，我們認為一個高質量的人臉圖像應該與其類內樣本相似，而與其類間樣本不相似，如圖1所示。為此，我們提出了一種基于類內-類間相似度分布距離的無監督人臉質量評估方法(SDD-FIQA)。

圖1: SDD-FIQA方法同時考慮了目標樣本（紅點）的類內（綠點，Pos-Sim）和類間（黃點，Neg-Sim）的相似度分布，并采用他們之間的Wasserstein距離作為目標樣本的質量偽標簽

該方法從人臉識別的性能影響因子出發，從理論上推導出人臉樣本類間相似度分布與人臉圖像質量高度相關，利用類內相似度分布和類間相似度分布之間的Wasserstein距離生成人臉圖像質量偽標簽。然后，利用這些質量偽標簽進行無監督訓練一個人臉質量回歸網絡，從而獲得一個質量評估模型。大量實驗表明，在各大人臉識別的基準數據集上，提出的SDD-FIQA方法在不同的人臉識別系統下，精度和泛化能力都達到國際最先進水平。

圖2: 提出的SDD-FIQA方法框架

主要創新點：1）發現了人臉樣本類間相似度分布與人臉圖像質量高度相關；2）提出了類內-類間相似度分布距離的概念；3）從理論上導出了人臉圖像質量與類內-類間相似度分布距離直接相關；4）提出了利用Wasserstein準則度量類內-類間相似度分布距離，并用于人臉圖像質量評分；5）實現了一種完全無監督的人臉圖像質量評估算法，性能最優。

論文鏈接：http://arxiv.org/abs/2103.05977.