PulseAugur
中
实时 11:43:26
English(EN) PreFIQs: Face Image Quality Is What Survives Pruning

新方法使用模型剪枝评估面部图像质量

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 PreFIQs，一个新颖的、无监督的面部图像质量评估框架。该方法利用剪枝识别样本（PIE）假说，该假说表明低效图像的嵌入对模型剪枝更敏感。PreFIQs 通过测量完整模型及其剪枝版本的嵌入之间的距离来量化图像效用，提供了一种无需训练的方法，在多个基准测试中取得了有竞争力或最先进的结果。 AI

影响 引入了一种新颖的、无需训练的面部图像效用评估方法，有望改进下游面部识别系统。

排序理由 该集群包含一篇详细介绍图像质量评估新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法使用模型剪枝评估面部图像质量

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Fadi Boutros ·

    PreFIQs: Face Image Quality Is What Survives Pruning

    Face Image Quality Assessment (FIQA) evaluates the utility of a face image for automated face recognition (FR) systems. In this work, we propose PreFIQs, an unsupervised and training-free FIQA framework grounded in the Pruning Identified Exemplar (PIE) hypothesis. We hypothesize …

相关实体

相关话题