联合深度图像复原与无监督质量评价

近年来，深度学习技术彻底改变了图像复原与图像质量评价领域。图像复原方法通常利用合成失真训练数据进行训练，而深度质量评价模型往往需要昂贵的带标签主观数据。然而，近期研究表明，为视觉建模任务训练的深度神经网络激活值也可用于图像的感知质量评价。遵循这一直觉，我们提出了一种新颖的基于注意力的卷积神经网络，能够同时执行图像复原与质量评价。我们通过训练一个增强了“质量注意力”图的JPEG去块网络来实现这一点，并展示了最先进的去块精度，使预测质量与人类意见分数高度相关。