用于无参考图像质量评估的内容-失真高阶交互

内容和失真被广泛认为是影响图像视觉质量的两个主要因素。尽管现有的无参考图像质量评估（NR-IQA）方法已经对这两个因素进行了建模，但它们未能捕获内容与失真之间复杂的交互作用。这一缺陷削弱了它们准确感知质量的能力。为了应对这一问题，我们分析了交互建模所需的关键属性，并提出了一种鲁棒的NR-IQA方法，称为CoDI-IQA（用于NR-IQA的内容-失真高阶交互），该方法在分层交互框架内聚合局部失真和全局内容特征。具体而言，提出了一个渐进感知交互模块（PPIM），以显式模拟内容和失真如何独立且共同影响图像质量。通过整合内部交互、粗粒度交互和细粒度交互，它实现了高阶交互建模，使得模型能够恰当地表示潜在的交互模式。为了确保充分的交互，采用多个PPIM在不同粒度上分层融合多级内容和失真特征。我们还为CoDI-IQA量身定制了训练策略以保持交互稳定性。大量实验表明，所提出的方法在预测精度、数据效率和泛化能力方面显著优于现有SOTA方法。