基于梯度孪生网络的图像质量评价
图像与视频处理
2022-08-09 v1 计算机视觉与模式识别
摘要
本文提出一种用于图像质量评价的梯度孪生网络(GSN)。所提方法擅长在全参考图像质量评价(IQA)任务中捕捉失真图像与参考图像之间的梯度特征。我们利用中心差分卷积获取图像对中隐藏的语义特征与细节差异。此外，空间注意力引导网络聚焦于与图像细节相关的区域。针对网络提取的低层、中层和高层特征，我们创新性地设计了一种多级融合方法以提高特征利用效率。除常见的均方误差监督外，我们进一步考虑批次样本间的相对距离，并成功将KL散度损失应用于图像质量评价任务。我们在多个公开数据集上对所提算法GSN进行了实验，证明了其优越性能。我们的网络在NTIRE 2022感知图像质量评价挑战赛赛道1全参考中获得第二名。
引用
@article{arxiv.2208.04081,
title = {Image Quality Assessment with Gradient Siamese Network},
author = {Heng Cong and Lingzhi Fu and Rongyu Zhang and Yusheng Zhang and Hao Wang and Jiarong He and Jin Gao},
journal= {arXiv preprint arXiv:2208.04081},
year = {2022}
}
备注
10 pages, 5 figures, Computer Vision and Pattern Recognition (CVPR) Workshops