AI-KD: Towards Alignment Invariant Face Image Quality Assessment Using Knowledge Distillation

要約

顔画像品質評価 (FIQA) 技術は近年着実に改善されていますが、入力顔サンプルが適切に位置合わせされていない場合、そのパフォーマンスは依然として低下しています。
この位置合わせ感度は、ほとんどの FIQA テクニックが特定の顔位置合わせ手順を使用してトレーニングまたは設計されているという事実から来ています。
アライメント手法が変更されると、ほとんどの既存の FIQA 手法のパフォーマンスはすぐに最適以下になります。
この問題に対処するために、本稿では、AI-KD と呼ばれる新しい知識蒸留アプローチを紹介します。このアプローチは、既存の FIQA 手法を拡張して、アライメントの変動に対するロバスト性を向上させ、その結果、さまざまなアライメント手順でのパフォーマンスを向上させます。
提案された蒸留アプローチを検証するために、4 つの最新の顔認識モデルを使用して 6 つの顔データセットに対して包括的な実験を実施し、7 つの最先端の FIQA 手法と比較しました。
私たちの結果は、AI-KD が位置ずれしたサンプルだけでなく、適切に位置合わせされた顔画像でも初期 FIQA 技術のパフォーマンスを一貫して向上させることを示しています。
さらに、競争力のある初期 FIQA アプローチと併用すると、新たな最先端技術がもたらされます。
AI-KD のコードは、https://github.com/LSIbabnikz/AI-KD から公開されています。

要約(オリジナル)

Face Image Quality Assessment (FIQA) techniques have seen steady improvements over recent years, but their performance still deteriorates if the input face samples are not properly aligned. This alignment sensitivity comes from the fact that most FIQA techniques are trained or designed using a specific face alignment procedure. If the alignment technique changes, the performance of most existing FIQA techniques quickly becomes suboptimal. To address this problem, we present in this paper a novel knowledge distillation approach, termed AI-KD that can extend on any existing FIQA technique, improving its robustness to alignment variations and, in turn, performance with different alignment procedures. To validate the proposed distillation approach, we conduct comprehensive experiments on 6 face datasets with 4 recent face recognition models and in comparison to 7 state-of-the-art FIQA techniques. Our results show that AI-KD consistently improves performance of the initial FIQA techniques not only with misaligned samples, but also with properly aligned facial images. Furthermore, it leads to a new state-of-the-art, when used with a competitive initial FIQA approach. The code for AI-KD is made publicly available from: https://github.com/LSIbabnikz/AI-KD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google