ER-IQA：利用外部参考图像提升感知质量评价
图像与视频处理
2021-09-17 v2
摘要
近来，随着深度学习的成功，图像质量评价（IQA）取得了显著进展。然而，全参考（FR）方法的严格前提条件限制了其在真实场景中的应用。而无参考（NR）方案由于忽略了图像质量的本质，性能不尽如人意，亦不方便。本文引入一种全新方案，即外部参考图像质量评价（ER-IQA），通过引入外部参考图像来弥合 FR 与 NR-IQA 之间的鸿沟。作为 ER-IQA 的首个实现与新基线，我们提出一种新的 Unpaired-IQA 网络以内容非配对方式处理图像。一个基于互注意力的特征增强（MAFE）模块被精心设计用于 ER-IQA 中的非配对特征。该 MAFE 模块使网络能从失真图像中提取质量判别特征，并从外部参考图像中提取内容变化鲁棒特征。大量实验表明，所提模型优于最先进的 NR-IQA 方法，验证了 ER-IQA 的有效性以及缩小两类现有方法差距的可能性。
引用
@article{arxiv.2105.02464,
title = {ER-IQA: Boosting Perceptual Quality Assessment Using External Reference Images},
author = {Jingyu Guo and Wei Wang and Wenming Yang and Qingmin Liao and Jie Zhou},
journal= {arXiv preprint arXiv:2105.02464},
year = {2021}
}
备注
10 pages, 5 figures; Modified content and updated results