用于无参考 360 度图像质量评估的自适应超图卷积网络
图像与视频处理
2021-05-20 v1 计算机视觉与模式识别
摘要
在无参考 360 度图像质量评估（NR 360IQA）中，通过图建模视口间交互的图卷积网络（GCNs）已取得令人印象深刻的性能。然而，主流基于 GCN 的 NR 360IQA 方法存在三个主要局限。第一，它们仅使用失真图像的高层特征来回归质量分数，而人类视觉系统（HVS）基于分层特征对图像评分。第二，它们通过图以成对方式简化视口间复杂的高阶交互。第三，在图构建中，它们仅考虑视口的空间位置，忽略其内容特征。相应地，为解决这些问题，我们提出一种用于 NR 360IQA 的自适应超图卷积网络，记为 AHGCN。具体而言，我们首先设计多级视口描述符，从视口提取分层表示。然后，我们通过超图建模视口间交互，其中每个超边连接两个或更多视口。在超图构建中，我们为每个视口构建基于位置的超边和基于内容的超边。在两个公开 360IQA 数据库上的实验结果表明，我们提出的方法相对于最先进的满参考和无参考 IQA 模型具有明显优势。
引用
@article{arxiv.2105.09143,
title = {Adaptive Hypergraph Convolutional Network for No-Reference 360-degree Image Quality Assessment},
author = {Jun Fu and Chen Hou and Wei Zhou and Jiahua Xu and Zhibo Chen},
journal= {arXiv preprint arXiv:2105.09143},
year = {2021}
}
备注
10 pages