QMagFace : Reconnaissance faciale consciente de la qualité simple et précise

Les systèmes de reconnaissance faciale doivent faire face à de grandes variabilités (telles que des poses, éclairages ou expressions différentes) pouvant entraîner des décisions de correspondance erronées. Ces variabilités peuvent être mesurées en termes de qualité d’image faciale, définie comme l’utilité d’un échantillon pour la reconnaissance. Les travaux antérieurs sur la reconnaissance faciale n’exploitent pas cette information précieuse, ou bien utilisent des estimations de qualité non intrinsèquement adaptées. Dans ce travail, nous proposons une solution simple et efficace pour la reconnaissance faciale (QMagFace) qui combine un score de comparaison sensible à la qualité avec un modèle de reconnaissance fondé sur une perte marginale angulaire sensible à la magnitude. L’approche proposée intègre spécifiquement la qualité des images faciales dans le processus de comparaison afin d’améliorer les performances de reconnaissance dans des conditions non contraintes. Grâce à la linéarité entre les qualités et leurs scores de comparaison induite par la perte utilisée, notre fonction de comparaison sensible à la qualité est simple et hautement généralisable. Les expérimentations menées sur plusieurs bases de données et benchmarks de reconnaissance faciale démontrent que l’introduction de cette sensibilité à la qualité conduit à des améliorations constantes des performances. De plus, l’approche QMagFace se distingue particulièrement dans des conditions difficiles, telles que la reconnaissance croisée par pose, par âge ou par qualité. En conséquence, elle atteint des performances de pointe sur plusieurs benchmarks, notamment 98,50 % sur AgeDB, 83,95 % sur XQLFQ et 98,74 % sur CFP-FP. Le code source de QMagFace est disponible publiquement.