图像到点云：无需注释训练的跨媒体盲质量评估的高效解决方案
计算机视觉与模式识别
2025-01-24 v1 图像与视频处理
摘要
我们提出了一种新颖的质量评估方法，可预测来自新场景的点云感知质量，而无需可用注释，称为分布加权图像迁移点云质量评估(DWIT-PCQA)。认识到人类视觉系统(HVS)作为质量评估中的决策者无论何种媒介类型，我们均可通过神经网络模拟人类感知的评估标准，从而进一步通过利用图像中的先验知识，将质量预测能力从图像迁移到点云。具体而言，可利用域适应(DA)通过在同一特征空间中对齐两种媒介的特征分布来桥接图像和点云。然而，图像和点云中失真的不同表现使特征对齐变得困难。为降低对齐难度并考虑不同失真分布，在对齐期间，我们推导出常规DA的优化目标分解为两个子优化函数的公式，其中失真作为转换。具体通过网络实现，我们提出了失导向偏置特征对齐，将现有/估计失真分布整合到对抗性DA框架中，在特征对齐期间强调常见失真模式。此外，我们提出了质量感知特征解耦，以减轻在带偏置失真的对齐期间破坏特征到质量映射的能力。实验结果表明，我们提出的方法在不需点云注释的情况下表现出可靠的性能。
引用
@article{arxiv.2501.13387,
title = {From Images to Point Clouds: An Efficient Solution for Cross-media Blind Quality Assessment without Annotated Training},
author = {Yipeng Liu and Qi Yang and Yujie Zhang and Yiling Xu and Le Yang and Zhu Li},
journal= {arXiv preprint arXiv:2501.13387},
year = {2025}
}