面向感知图像复原的细粒度图像质量评价
图像与视频处理
2026-04-01 v4 计算机视觉与模式识别
多媒体
摘要
近年来，感知图像复原（IR）取得了显著成就，对精确的图像质量评价（IQA）提出了迫切需求，这对于性能比较和算法优化至关重要。遗憾的是，现有的IQA指标在IR任务中表现出固有的弱点，尤其是在区分复原图像之间的细粒度质量差异时。为解决这一难题，我们贡献了首个面向图像复原的细粒度图像质量评价数据集，称为FGRestore，包含六个常见IR任务中的18,408张复原图像。除了传统的标量质量分数外，FGRestore还标注了30,886个细粒度成对偏好。基于FGRestore，我们对现有IQA指标进行了全面基准测试，揭示了基于分数的IQA评估与细粒度复原质量之间的显著不一致。受这些发现的启发，我们进一步提出了FGResQ，一个专为图像复原设计的新型IQA模型，其兼具粗粒度分数回归和细粒度质量排序功能。大量实验和比较表明，FGResQ显著优于最先进的IQA指标。代码和模型权重已在https://sxfly99.github.io/FGResQ-Home发布。
引用
@article{arxiv.2508.14475,
title = {Fine-grained Image Quality Assessment for Perceptual Image Restoration},
author = {Xiangfei Sheng and Xiaofeng Pan and Zhichao Yang and Pengfei Chen and Leida Li},
journal= {arXiv preprint arXiv:2508.14475},
year = {2026}
}
备注
Accepted by AAAI2026