图像超分辨率质量评价：结构保真度对比统计自然度
图像与视频处理
2021-05-18 v1 计算机视觉与模式识别
多媒体
摘要
单图像超分辨率（SISR）算法利用低分辨率（LR）图像重建高分辨率（HR）图像。期望开发出的图像质量评价（IQA）方法不仅能评价和比较 SISR 算法，还能指导其未来发展。本文中，我们在结构保真度对比统计自然度的二维（2D）空间中评价 SISR 生成图像的质量。这使我们能够观察不同 SISR 算法作为 2D 空间中权衡的行为。具体而言，SISR 方法传统上被设计为实现高结构保真度但常牺牲统计自然度，而近期基于生成对抗网络（GAN）的算法倾向于生成更自然观感的结果却在结构保真度上显著损失。此外，这样的 2D 评价可轻易融合为标量质量预测。有趣的是，我们发现当使用公开的主观评分 SISR 图像数据集测试时，直接的局部结构保真度与全局统计自然度度量的简单线性组合竟能产生令人惊讶准确的 SISR 图像质量预测。所提 SFSN 模型的代码公开于 \url{https://github.com/weizhou-geek/SFSN}。
引用
@article{arxiv.2105.07139,
title = {Image Super-Resolution Quality Assessment: Structural Fidelity Versus Statistical Naturalness},
author = {Wei Zhou and Zhou Wang and Zhibo Chen},
journal= {arXiv preprint arXiv:2105.07139},
year = {2021}
}
备注
Accepted by QoMEX 2021