用于无参考立体图像质量评价端到端深度多分数模型
图像与视频处理
2022-11-04 v1 计算机视觉与模式识别
机器学习
多媒体
摘要
基于深度学习的质量指标最近在图像质量评价（IQA）中取得了显著改进。在立体视觉领域，信息均匀分布，左右眼存在轻微视差。然而，由于非对称失真，左右图像的主观质量评分会有所不同，需要为各视图学习独特的质量指标。与现有主要关注估计全局人类评分的立体IQA方法不同，我们建议结合左、右和立体客观分数来提取各视图的相应属性，进而在无参考情况下估计立体图像质量。因此，我们使用了一个深度多分数卷积神经网络（CNN）。我们的模型被训练执行四项任务：第一，预测左视图质量；第二，预测右视图质量；第三和第四，分别预测立体视图质量和全局质量，其中全局分数作为最终质量。实验在Waterloo IVC 3D Phase 1和Phase 2数据库上进行。所得结果表明，与最先进方法相比，我们的方法具有优越性。实现代码见：https://github.com/o-messai/multi-score-SIQA
引用
@article{arxiv.2211.01374,
title = {End-to-end deep multi-score model for No-reference stereoscopic image quality assessment},
author = {Oussama Messai and Aladine Chetouani},
journal= {arXiv preprint arXiv:2211.01374},
year = {2022}
}