探索Kolmogorov-Arnold网络用于真实图像锐度评估
计算机视觉与模式识别
2024-12-06 v3 机器学习
摘要
得分预测在基于收集的有信息特征评估真实图像锐度方面至关重要。最近，Kolmogorov-Arnold网络（KANs）被开发出来并在数据拟合方面取得了显著成功。本研究引入了基于Taylor级数的方法的KAN（TaylorKAN）。然后，在四个真实图像数据库（BID2011、CID2013、CLIVE和KonIQ-10k）上探索不同的KANs，通过使用15个中级特征和2048个高级特征来预测得分。与支持向量回归相比，结果表明KANs通常具有竞争力或优势，当使用中级特征时，TaylorKAN表现最佳。这项研究是首次将KANs应用于图像质量评估领域，为在相关任务中选择和进一步改进KANs提供了一些思路。
引用
@article{arxiv.2409.07762,
title = {Exploring Kolmogorov-Arnold networks for realistic image sharpness assessment},
author = {Shaode Yu and Ze Chen and Zhimu Yang and Jiacheng Gu and Bizu Feng},
journal= {arXiv preprint arXiv:2409.07762},
year = {2024}
}