基于自然度分析的多任务卷积神经网络用于盲立体图像质量评价
图像与视频处理
2021-06-22 v3 计算机视觉与模式识别
摘要
本文利用一种新的多任务深度学习方法解决盲立体图像质量评价（NR-SIQA）问题。在立体视觉领域，信息在左右视图以及双目现象之间分布得相当均衡。在这项工作中，我们提出整合这些特征，通过卷积神经网络无参考地估计立体图像的质量。我们的方法基于两个主要任务：第一个任务预测适用于立体图像的自然度分析特征，而第二个任务预测此类图像的质量。前者即所谓的辅助任务，旨在寻找更鲁棒且相关的特征以改善质量预测。为此，我们在复小波域中使用自然场景统计（NSS）模型计算基于自然度的特征。它能够捕获立体图像对之间的统计依赖性。实验在知名的LIVE PHASE I和LIVE PHASE II数据库上进行。所得结果在与最先进方法的比较中显示了我们方法的相关性。我们的代码可在 https://github.com/Bourbia-Salima/multitask-cnn-nrsiqa_2021 在线获取。
引用
@article{arxiv.2106.09303,
title = {A Multi-task convolutional neural network for blind stereoscopic image quality assessment using naturalness analysis},
author = {Salima Bourbia and Ayoub Karine and Aladine Chetouani and Mohammed El Hassouni},
journal= {arXiv preprint arXiv:2106.09303},
year = {2021}
}