基于 CLIP 与多组反义提示对的可解释图像质量评价
计算机视觉与模式识别
2023-08-28 v1
摘要
无参考图像质量评价（NR-IQA）是在没有对应原始图像的情况下估计图像感知质量的任务。以零样本方式执行此任务则更为困难，即无需特定任务训练。在本文中，我们提出了一种新的零样本且可解释的无参考图像质量评价方法，该方法利用预训练视觉-语言模型来估计图像与文本提示之间的相关性。所提方法采用提示配对策略，以及对应于精心选择的、与感知图像质量相关的描述性特征的多组反义提示对。因此，所提方法不仅能够识别图像的感知质量评价，还能识别该质量评价所基于的原因。实验结果表明，所提方法在准确性方面优于现有的零样本 NR-IQA 方法，并能评估感知质量退化的原因。
引用
@article{arxiv.2308.13094,
title = {Interpretable Image Quality Assessment via CLIP with Multiple Antonym-Prompt Pairs},
author = {Takamichi Miyata},
journal= {arXiv preprint arXiv:2308.13094},
year = {2023}
}
备注
2pages, 1 figure