研究人员开发了AdaEye系统,该系统用于眼周识别,为面部验证提供了一种更高效的替代方案,尤其是在面部被遮挡或图像分辨率较低的情况下。该研究系统地缩放了可见光谱(VIS)和跨光谱(VIS/NIR)设置下眼周验证的输入和骨干参数。结果表明,直接的眼周处理显著降低了计算成本并提高了吞吐量,尽管其有效性因评估协议而异。研究还发现,适度的骨干宽度缩减可以在降低计算量的同时保持性能,并且嵌入压缩有助于减少模板存储需求。 AI
影响 这项研究提供了一种更高效的生物识别验证方法,有望降低用于安全和身份识别的AI系统的计算成本和存储需求。
排序理由 该集群包含一篇详细介绍新系统及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →