使用合成与自然码本进行图像质量预测：对比结果
计算机视觉与模式识别
2022-12-22 v2
摘要
我们研究了一种用于图像/视频质量评估的模型，该模型基于构建一组在某种意义上代表图像某些基本属性的码向量，类似于著名的 CORNIA 模型。我们分析了码本构建方法并提出了若干改进。同时，从减少推理时间的角度对该算法进行了研究。自然图像和合成图像均被用于构建码本，并对用于构建码本的合成图像进行了分析。结果表明，使用合成图像构建码本可以改善质量评估的结果。我们还展示了该算法的某些运行模式，在这些模式下可以在 CPU 上实现实时执行，同时与平均主观评分 (MOS) 保持足够高的相关性。此外还考虑了各种池化策略以及指标对比特率敏感性的问题。
引用
@article{arxiv.2212.10319,
title = {Image quality prediction using synthetic and natural codebooks: comparative results},
author = {Maxim Koroteev and Kirill Aistov and Valeriy Berezovskiy and Pavel Frolov},
journal= {arXiv preprint arXiv:2212.10319},
year = {2022}
}
备注
18 pages, 8 figures