arXiv · 机器人与计算机视觉· Allen Tu, Kartik Narayan, Joshua Gleason, Jennifer Xu, Matthew Meyn, Tom Goldstein, Vishal M. Patel·· 14 小时前精选AI 评分82
TransFIRA+:面向生物特征可识别性评估的迁移学习框架
TransFIRA+: Transfer Learning for Biometric Recognizability Assessment
AI 导读
针对监控、视频及网络图像中姿态、模糊、光照等极端变化导致视觉质量指标失效的问题,本文提出 TransFIRA 轻量级框架,直接在预训练编码器嵌入空间推导类中心相似度(CCS)和角度分离度(CCAS),无需质量标注即可预测可识别性。
推荐理由
该工作提出基于嵌入空间的生物特征可识别性评估框架,通过无标注学习预测类中心相似度与角度分离度,在跨摄像头多模态身份识别中实现优于传统置信度加权的融合效果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org