专 栏

首 页

专 栏

计算机学院王员根教授团队科研成果被国际计算机视觉顶级会议录用

来源:     作者:    编辑:chen    发布时间:2021-03-11 10:38    点击数: Views

近日,计算机科学与网络工程学院王员根教授团队提交的科研论文“SDD-FIQA: Unsupervised Face Image Quality Assessment with Similarity Distribution Distance”被国际计算机视觉顶级会议CVPR 2021录用(会议主页:http://cvpr2021.thecvf.com/)。CVPR全称为IEEE Conference on Computer Vision and Pattern Recognition,是国际计算机视觉领域的顶级会议,属于CCF-A类。

该论文第一作者是计算机学院2018级硕士研究生区富炤同学,第一署名单位为广州大学,指导教师王员根教授为通讯作者,合作单位有腾讯优图实验室(上海)、南京理工大学和厦门大学。 


主要研究内容:

以往的人脸图像质量评估研究大多以样本层面不确定性或配对相似度作为质量评分标准,而且只考虑部分类内信息。这些方法忽略了来自类间有价值的信息。在本研究中,对于人脸识别系统,我们认为一个高质量的人脸图像应该与其类内样本相似,而与其类间样本不相似,如图1所示。为此,我们提出了一种基于类内-类间相似度分布距离的无监督人脸质量评估方法(SDD-FIQA)。


图1: SDD-FIQA方法同时考虑了目标样本(红点)的类内(绿点,Pos-Sim)和类间(黄点,Neg-Sim)的相似度分布,并采用他们之间的Wasserstein距离作为目标样本的质量伪标签


该方法从人脸识别的性能影响因子出发,从理论上推导出人脸样本类间相似度分布与人脸图像质量高度相关,利用类内相似度分布和类间相似度分布之间的Wasserstein距离生成人脸图像质量伪标签。然后,利用这些质量伪标签进行无监督训练一个人脸质量回归网络,从而获得一个质量评估模型。大量实验表明,在各大人脸识别的基准数据集上,提出的SDD-FIQA方法在不同的人脸识别系统下,精度和泛化能力都达到国际最先进水平。


图2: 提出的SDD-FIQA方法框架


主要创新点:1)发现了人脸样本类间相似度分布与人脸图像质量高度相关;2)提出了类内-类间相似度分布距离的概念;3)从理论上导出了人脸图像质量与类内-类间相似度分布距离直接相关;4)提出了利用Wasserstein准则度量类内-类间相似度分布距离,并用于人脸图像质量评分;5)实现了一种完全无监督的人脸图像质量评估算法,性能最优。


论文链接:http://arxiv.org/abs/2103.05977.

上一条:地理科学与遥感学院杨现坤副教授在《Nature Communications》期刊发表学术论文 下一条:生命科学学院张元伟教授在PNAS上发表甘氨酸转运体的研究论文

邮编:510006        邮箱:webmaster@gzhu.edu.cn

通讯地址:广州市大学城外环西路230号


移动网站

  • 官方微博

  • 官方微信

广州大学版权所有     COPYRIGHT©1999-2021      粤ICP备 05008855号