该研究旨在提升面部图像质量评估（FIQA）技术的性能与稳定性，采用监督质量标签优化方法，结合多种面部识别模型，在多个基准数据集上评估六种最新FIQA方法，取得良好结果。同时，提出了基于去噪扩散概率模型的DifFIQA方法，表现优异。

本文提出了一种面部图像质量评估算法（CR-FIQA），通过预测样本的分类能力来估计质量。该方法在多个面部识别模型上经过实验验证，显示出优越性，旨在提升技术性能与稳定性，适用于真实场景。