用于盲图像质量评价的协同自动编码方法
计算机视觉与模式识别
2023-05-25 v1 图像与视频处理
摘要
盲图像质量评价（BIQA）是一个具有重大现实应用价值的挑战性问题。近期利用深度神经网络（DNN）强大表示的尝试受限于缺乏主观标注数据。本文提出一种克服此根本障碍的新型 BIQA 方法。具体而言，我们设计了一对协同自动编码器（COAE），由内容自动编码器（CAE）与失真自动编码器（DAE）组成，二者协同工作以提取内容与失真表示，这些表示被证明对图像质量具有高度描述性。CAE 遵循标准编解码流程，我们将 CAE 编码的特征作为额外输入引入 DAE 的解码器以重建失真图像，从而有效迫使 DAE 的编码器提取失真表示。该自监督学习框架允许含两个特征提取器的 COAE 由几乎无限量的数据训练，从而仅留少量带标注样本微调 BIQA 模型。我们将展示所提 BIQA 方法取得了最先进性能，并相较其他基于学习的模型具有更优的泛化能力。代码见：https://github.com/Macro-Zhou/NRIQA-VISOR/。
引用
@article{arxiv.2305.14684,
title = {Collaborative Auto-encoding for Blind Image Quality Assessment},
author = {Zehong Zhou and Fei Zhou and Guoping Qiu},
journal= {arXiv preprint arXiv:2305.14684},
year = {2023}
}