融合多级结构相似度的全参考屏幕内容图像质量评价
计算机视觉与模式识别
2020-08-13 v1 机器学习
摘要
屏幕内容图像（SCIs）通常包含具有锐利边缘的多种内容类型，其中伪影或失真可通过全参考方式下的原始结构相似度度量被很好地感知。然而，几乎所有当前的 SOTA 结构相似度指标都是以单级方式“局部”构建的，而真实人类视觉系统（HVS）遵循多级方式，这种失配可能最终阻碍这些指标实现可信的质量评价。为改善此问题，本文倡导一种从稀疏表示视角“全局”度量结构相似度的新方案。为依照真实 HVS 进行多级质量评价，上述全局指标将通过新设计的选择性深度融合网络与传统局部指标相集成。为验证其效能与有效性，我们在两个广泛使用的大规模公开 SCI 数据集上将所提方法与 12 种 SOTA 方法进行比较，定量结果表明我们的方法与主观质量分数的一致性显著高于当前领先工作。源代码与数据亦公开可用，以获得广泛认可并促进新进展及其验证。
引用
@article{arxiv.2008.05396,
title = {Full Reference Screen Content Image Quality Assessment by Fusing Multi-level Structure Similarity},
author = {Chenglizhao Chen and Hongmeng Zhao and Huan Yang and Chong Peng and Teng Yu},
journal= {arXiv preprint arXiv:2008.05396},
year = {2020}
}