PulseAugur
中
实时 14:49:10
English(EN) ATTN-FIQA: Interpretable Attention-based Face Image Quality Assessment with Vision Transformers

Vision Transformers 为人脸图像质量评估提供新方法

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新研究论文提出了使用 Vision Transformers (ViTs) 评估人脸图像质量的新方法。第一篇论文 ATTN-FIQA 利用预训练 ViTs 的预 softmax 注意力分数，无需额外训练即可推断图像质量，其假设是注意力幅度与面部特征的独特性相关。第二篇论文 EX-FIQA 探索了 ViTs 中间表示的效用，提出了一种分数融合框架，该框架结合了来自多个网络深度的预测，以提高质量评估的准确性和效率。 AI

影响 这些新颖的人脸图像质量评估方法可以通过提供更准确和可解释的质量指标来提高面部识别系统的可靠性。

排序理由 arXiv 上发表的两篇学术论文介绍了使用 Vision Transformers 进行人脸图像质量评估的新方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

Vision Transformers 为人脸图像质量评估提供新方法

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Guray Ozgur, Tahar Chettaoui, Eduarda Caldeira, Jan Niklas Kolf, Marco Huber, Andrea Atzori, Naser Damer, Fadi Boutros ·

    ATTN-FIQA: Interpretable Attention-based Face Image Quality Assessment with Vision Transformers

    arXiv:2604.22841v1 Announce Type: new Abstract: Face Image Quality Assessment (FIQA) aims to assess the recognition utility of face samples and is essential for reliable face recognition (FR) systems. Existing approaches require computationally expensive procedures such as multip…

  2. arXiv cs.CV TIER_1 English(EN) · Guray Ozgur, Tahar Chettaoui, Eduarda Caldeira, Jan Niklas Kolf, Andrea Atzori, Fadi Boutros, Naser Damer ·

    EX-FIQA: Leveraging Intermediate Early eXit Representations from Vision Transformers for Face Image Quality Assessment

    arXiv:2604.22842v1 Announce Type: new Abstract: Face Image Quality Assessment is crucial for reliable face recognition systems, yet existing Vision Transformer-based approaches rely exclusively on final-layer representations, ignoring quality-relevant information captured at inte…

相关实体

相关话题