Dual Quality Margin Learning

新的DQM-Face框架通过双质量边界增强人脸识别

研究人员开发了一个名为DQM-Face的新框架，用于人脸识别系统，旨在提高在非约束环境下的性能。该方法通过结合传统的基于幅度（magnitude）的质量估计和新颖的语义质量学习机制来增强表示学习。通过利用幅度和语义线索，DQM-Face创建了自适应边界，以加强类内紧凑性并明确扩大类间分离，从而实现更具结构化的特征几何。在具有挑战性的基准测试上的实验表明，DQM-Face超越了当前最先进的方法，并证明了所学的质量信号对于人脸图像质量评估的有效性。