QMagFace: التعرف على الوجه المُدرك للجودة وببساطة ودقة

تتطلب أنظمة التعرف على الوجه التعامل مع تغيرات كبيرة (مثل مواقف مختلفة، وإضاءات متباينة، وتعبيرات وجه متنوعة) التي قد تؤدي إلى قرارات تطابق خاطئة. يمكن قياس هذه التغيرات من حيث جودة صورة الوجه، والتي تُعرّف من حيث الفائدة التي تقدمها العينة للتمييز. أما الأعمال السابقة في مجال التعرف على الوجه، فبعضها لا يستخدم هذه المعلومات القيّمة، بينما يستخدم البعض الآخر تقديرات جودة غير مناسبة بشكل طبيعي. في هذا العمل، نقترح حلًا بسيطًا وفعالًا للتعرف على الوجه (QMagFace) يجمع بين مقياس مقارنة واعٍ بالجودة، ونموذج للتمييز مبني على خسارة حد زاوي واعٍ بالكثافة. يُدرج هذا النهج جودة صور الوجه المخصصة للنموذج في عملية المقارنة، بهدف تعزيز أداء التعرف في الظروف غير المُحددة. وباستغلال الخطية بين جودة الصور ونتائج مقارنتها الناتجة عن استخدام دالة الخسارة المُستخدمة، فإن دالة المقارنة الواعية بالجودة تكون بسيطة وقابلة للتعميم بشكل عالٍ. أظهرت التجارب التي أُجريت على عدة قواعد بيانات ومراجع للتمييز الوجه، أن إدخال الوعي بالجودة يؤدي إلى تحسينات ثابتة في الأداء. علاوةً على ذلك، تُظهر الطريقة المقترحة QMagFace أداءً متميزًا بشكل خاص في الظروف الصعبة، مثل التعرف عبر المواقف المختلفة، أو عبر الفئات العمرية المختلفة، أو عبر جودات مختلفة. ونتيجة لذلك، حققت هذه الطريقة أداءً من الطراز الرائد على عدة مراجع للتمييز الوجه، مثل 98.50% على AgeDB، و83.95% على XQLFQ، و98.74% على CFP-FP. وتم إتاحة الكود الخاص بـ QMagFace للجمهور.