图像质量评估：基于归谬反事实推理探究因果感知效应
计算机视觉与模式识别
2024-12-24 v1
摘要
现有的全参考图像质量评估 (FR-IQA) 方法常常无法捕捉人类对图像失真产生感知反应背后的复杂因果机制，从而限制了其在多样化场景中的泛化能力。本文提出一种基于归谬反事实推理的 FR-IQA 方法，用于探讨深度网络特征与感知失真之间的因果关系。首先，我们探讨深度特征对感知的因果效应，并将因果推理与特征比较相结合，构建一个有效处理复杂失真类型的模型。其次，本文方法所分析的感知因果相关性独立于背bone架构，因此可应用于各种深度网络。通过归谬反事实实验，我们验证了所提出的因果关系，确认了模型在感知相关性和质量得分可解释性方面的优越性。实验结果表明，该方法具有稳健性和有效性，在多个基准测试中均能提供具竞争力的质量预测。源代码地址为 https://anonymous.4open.science/r/DeepCausalQuality-25BC。
引用
@article{arxiv.2412.16939,
title = {Image Quality Assessment: Investigating Causal Perceptual Effects with Abductive Counterfactual Inference},
author = {Wenhao Shen and Mingliang Zhou and Yu Chen and Xuekai Wei and Jun Luo and Huayan Pu and Weijia Jia},
journal= {arXiv preprint arXiv:2412.16939},
year = {2024}
}