用于 4K 内容盲视觉质量评价的深度学习网络
多媒体
2022-06-10 v1 计算机视觉与模式识别
摘要
由于空间分辨率的巨大提升，4K 内容能为消费者提供更沉浸的视觉体验。然而，现有的盲图像质量评价（BIQA）方法由于分辨率的扩大和特定的失真，并不适用于原始及上采样 4K 内容。本文提出一种基于深度学习的 4K 内容 BIQA 模型，一方面可识别真 4K 与伪 4K 内容，另一方面可评价其感知视觉质量。考虑到高空间分辨率能表征更丰富的高频信息这一特性，我们首先提出一种基于灰度共生矩阵（GLCM）的纹理复杂度度量，从 4K 图像中选取三个代表性图像块，这降低了计算复杂度，且经实验证明对整体质量预测非常有效。随后我们从卷积神经网络（CNN）的中间层提取不同种类的视觉特征，并将其整合为质量感知特征表示。最后，利用两个多层感知机（MLP）网络分别将质量感知特征映射到每个图像块的类概率与质量分数。整体质量指数通过对图像块结果平均池化得到。所提模型通过多任务学习方式训练，并引入不确定性原理以平衡分类与回归任务的损失。实验结果表明，在四个 4K 内容质量评价数据库上，所提模型优于所有被比较的 BIQA 指标。
引用
@article{arxiv.2206.04363,
title = {Deep Neural Network for Blind Visual Quality Assessment of 4K Content},
author = {Wei Lu and Wei Sun and Xiongkuo Min and Wenhan Zhu and Quan Zhou and Jun He and Qiyuan Wang and Zicheng Zhang and Tao Wang and Guangtao Zhai},
journal= {arXiv preprint arXiv:2206.04363},
year = {2022}
}