Fraunhofer 提出 CARPM-FIQA：跨训练轨迹累计评分稳定人脸质量评估

FraunhoferIGD · hf · 2026-10-06

Fraunhofer IGD 针对 FR 集成式人脸图像质量评估（FIQA）的时间不稳定问题——特征空间演化导致单轮训练的质量估计波动——提出 CARPM-FIQA：在整个训练轨迹上累计「相对点间距」（类内紧凑度与类间分离度之比）的测量并取平均，而非依赖单轮估计。

理论上该方法可降低质量估计方差、改善 MSE、提升排序稳定性并具收敛保证。在 SynFIQA 数据集上的对照实验与消融验证了一致改进；在 8 个基准、4 个 FR 模型、两个 FMR 阈值下与 12 种 FIQA 方法对比，CARPM-FIQA(L) 与 (S) 分别位列第 4 与第 6（pAUC-EDC / AUC-EDC 平均），与最佳方法差距在几个百分点内。作者指出时间聚合策略可推广到目标值因特征演化而波动的深度学习训练场景。