Metoda eDifFIQA, ki jo je razvil mladi raziskovalec Žiga Babnik, prva na prestižnem tekmovanju NIST FATE

Metoda eDifFIQA, ki jo je razvil mladi raziskovalec Žiga Babnik z Laboratorija za strojno inteligenco (LSI), prva na prestižnem tekmovanju NIST FATE!  

Sodelavci Fakultete za elektrotehniko (UL FE) z Laboratorija za strojno inteligenco (Žiga Babnik in Vitomir Štruc) so skupaj s kolegi iz  Fakultete za računalništvo in informatiko (Peter Peer) razvili vrhunsko metodo za oceno kakovosti obraznih slik z imenom eDifFIQA, ki je na mednarodnem tekmovanju NIST FATE (Face Analysis Technology Evaluation) v kategoriji Kiosk-to-Entry dosegla najboljše rezultate med skoraj 30 sodelujočimi metodami z vsega sveta. Metoda eDifFIQA je premagala tudi algoritme svetovnih korporacij s področja biometrije.  

NIST (ang. National Institute of Standards and Technology) je vodilna ameriška institucija za standardizacijo in tehnično ocenjevanje. Njihove analize, med katerimi je tudi FATE, veljajo za globalno merilo uspešnosti algoritmov. 

Pristop eDifFIQA, prikazan na sliki, je napredna metoda za ocenjevanje kakovosti slik obrazov, ki temelji na verjetnostnih difuzijskih modelih za razšumljanje (ang. denoising diffusion probabilistic models). Z uporabo postopka destilacije znanja in optimizacije oznak, pristop omogoča natančno in učinkovito oceno kakovosti obraznih slik, in je ključnega pomena za zanesljivo delovanje sistemov za prepoznavo obrazov v realnem svetu.  

Metoda je bila pred kratkim vključena tudi v OpenCV Model Zoo, eno najbolj razširjenih knjižnic za računalniški vid na svetu, kar omogoča enostavno uporabo pristopa v različnih aplikacijah. Prispevek osnovne metode DifFIQA je bil med najbolje recenziranimi na prestižni konferenci iz področja biometrije IJCB 2023 (International Joint Conference on Biometrics). Razširjenji prispevek, ki opisuje pristop eDifFIQA, pa je bil kasneje sprejet v posebno izdajo revije IEEE Transactions on Biometrics, Behavior, and Identity Science (TBIOM). 

Žiga Babnik; Peter Peer; Vitomir Štruc: eDifFIQA: Towards Efficient Face Image Quality Assessment based on Denoising Diffusion Probabilistic Models, IEEE Transactions on Biometrics, Behavior, and Identity Science (TBIOM), pp. 1-16, 2024 [PDF] 

Več o metodi eDifFIQA si lahko preberete v znanstvenem članku, dostopnem na spletni strani Laboratorija za strojno inteligenco UL FE. Podrobnosti o tekmovanju NIST FATE so na voljo na uradni strani: Face Analysis Technology Evaluation (FATE) Quality. Implementacija metode eDifFIQA pa je dostopna na spletni strani GitHubu: LSIbabnikz/eDifFIQA.