CrossScore：迈向多视图图像评估与评分
计算机视觉与模式识别
2024-07-24 v4
摘要
我们介绍了一种新颖的交叉参考图像质量评估方法，有效填补了图像评估领域的空白，补充了从全参考指标（如SSIM）、无参考指标（如NIQE）、通用参考指标（如FID）到多模态参考指标（如CLIPScore）等一系列既定评估方案。利用具有交叉注意力机制的神经网络和来自新视图合成（NVS）优化的独特数据收集流程，我们的方法无需真实参考即可实现准确的图像质量评估。通过将查询图像与同一场景的多个视图进行比较，我们的方法解决了现有指标在新视图合成（NVS）等任务中缺乏直接参考图像的局限性。实验结果表明，我们的方法与全参考指标SSIM密切相关，同时不需要真实参考。
引用
@article{arxiv.2404.14409,
title = {CrossScore: Towards Multi-View Image Evaluation and Scoring},
author = {Zirui Wang and Wenjing Bian and Victor Adrian Prisacariu},
journal= {arXiv preprint arXiv:2404.14409},
year = {2024}
}
备注
Accepted at ECCV 2024. Project page see https://crossscore.active.vision