面向AIGC图像的感知质量评估探索
计算机视觉与模式识别
2023-03-23 v1 图像与视频处理
摘要
人工智能生成内容(AIGC)随着深度学习在内容创作中效率的提升而受到广泛关注。借助人工智能技术辅助创建的AIGC包含多种形式的内容，其中AI生成图像(AGIs)已对社会产生重大影响，并应用于娱乐、教育、社交媒体等多个领域。然而，受限于硬件条件与技术熟练度，AIGC图像(AGIs)的质量参差不齐，在实际应用中需经过优化与筛选。因此，迫切亟需开发客观模型来评估AGIs的质量。遗憾的是，目前尚无研究专门探讨AGIs的感知质量评估。为此，本文首先讨论了AGI质量评估的主要评价维度，如技术问题、AI伪影、不自然性、差异性和美学。随后，我们提出了首个感知AGI质量评估数据库AGIQA-1K，包含1080张由扩散模型生成的AGIs。接着开展了组织良好的主观实验以收集AGIs的质量标签。最后，我们进行了基准实验来评估当前图像质量评估(IQA)模型的性能。
引用
@article{arxiv.2303.12618,
title = {A Perceptual Quality Assessment Exploration for AIGC Images},
author = {Zicheng Zhang and Chunyi Li and Wei Sun and Xiaohong Liu and Xiongkuo Min and Guangtao Zhai},
journal= {arXiv preprint arXiv:2303.12618},
year = {2023}
}