弥合显著性预测与图像质量评估之间的差距
计算机视觉与模式识别
2025-06-30 v2 图像与视频处理
摘要
在过去几年中，深度神经模型在图像质量评估 (IQA) 方面取得了显著进展。然而，由于深度神经网络的复杂性，其成功的潜在原因仍不清楚。IQA 旨在描述人类视觉系统 (HVS) 的工作方式并创建其高效近似。另一方面，显著性预测任务旨在通过确定视觉兴趣区域来模拟 HVS。因此，我们相信显著性在人类感知中起着至关重要的作用。在这项工作中，我们进行了一项实证研究，揭示了 IQA 与显著性预测任务之间的关系，表明前者包含了后者的知识。此外，我们引入了一个全新的显著性感知压缩图像数据集 SACID，并对经典和基于神经网络的 IQA 方法进行了大规模比较。所有补充代码和数据将在发表时提供。
引用
@article{arxiv.2405.04997,
title = {Bridging the Gap Between Saliency Prediction and Image Quality Assessment},
author = {Kirillov Alexey and Andrey Moskalenko and Dmitriy Vatolin},
journal= {arXiv preprint arXiv:2405.04997},
year = {2025}
}
备注
Accepted to EUSIPCO 2025