NTIRE 2024 AI 生成内容质量评估挑战赛
星系天体物理
2024-04-26 v1
摘要
本文报告了将于 CVPR 2024 上举行的 NTIRE 2024 Quality Assessment of AI-Generated Content 挑战赛情况，该挑战赛将在 New Trends in Image Restoration and Enhancement 工作坊（NTIRE）上进行。该挑战赛旨在解决图像和视频处理领域的重大挑战，即针对 AI 生成内容（AIGC）的图像质量评估（IQA）和视频质量评估（VQA）。该挑战赛分为图像赛道和视频赛道。图像赛道使用 AIGIQA-20K 数据集，包含 20,000 张由 15 个流行生成模型生成的 AI 生成图像（AIGI）。图像赛道共有 318 名注册参赛者，开发阶段收到 1,646 份提交，测试阶段收到 221 份提交。最终，16 支队伍提交了模型和事实表。视频赛道使用 T2VQA-DB 数据集，包含 10,000 张由 9 个流行文本到视频（T2V）模型生成的 AI 生成视频（AIGV）。视频赛道共有 196 名参赛者注册，开发阶段收到 991 份提交，测试阶段收到 185 份提交。最终，12 支队伍提交了模型和事实表。部分方法的效果优于基线方法，两条赛道的获奖方法在 AIGC 上表现出色。
引用
@article{arxiv.2404.16686,
title = {Calibrating non-parametric morphological indicators from {\it JWST} images for galaxies over $0.5<z<3$},
author = {Jian Ren and F. S. Liu and Nan Li and Qifan Cui and Pinsong Zhao and Yubin Li and Qi Song and Hassen M. Yesuf and Xian Zhong Zheng},
journal= {arXiv preprint arXiv:2404.16686},
year = {2024}
}
备注
21 pages, 14 figures, 1 table. Accepted for publication in ApJ