图像质量评估：通过记忆驱动的失真模式匹配探索质量感知
计算机视觉与模式识别
2026-02-23 v1
摘要
现有的全参考图像质量评估（FR-IQA）方法通过分析参考图像与失真图像之间的特征差异来实现高精度评估。然而，其性能受限于参考图像的质量，这限制了在无法获得理想参考来源的实际场景中的应用。值得注意的是，人类视觉系统具有累积视觉记忆的能力，能够基于长期记忆存储进行图像质量评估。致力于此生物记忆机制，我们提出了记忆驱动的质量感知框架（MQAF），通过建立记忆库存储失真模式，并动态切换双模式质量评估策略以减少对高质量参考图像的依赖。当参考图像可用时，MQAF通过自适应加权参考信息，并与存储在记忆库中的失真模式进行比较，获取参考引导的质量评分。当参考图像不可用时，该框架依赖记忆库中的失真模式来推断图像质量，实现无参考质量评估（NR-IQA）。实验结果表明，我们的方法在多个数据集上均优于当前最先进的方法，同时适应无参考和全参考任务。
引用
@article{arxiv.2602.18000,
title = {Image Quality Assessment: Exploring Quality Awareness via Memory-driven Distortion Patterns Matching},
author = {Xuting Lan and Mingliang Zhou and Xuekai Wei and Jielu Yan and Yueting Huang and Huayan Pu and Jun Luo and Weijia Jia},
journal= {arXiv preprint arXiv:2602.18000},
year = {2026}
}