KonX：跨分辨率图像质量评价
计算机视觉与模式识别
2022-12-13 v1 图像与视频处理
摘要
尺度不变性是许多计算机视觉子领域的开放问题。例如，目标标签应在各尺度下保持恒定，但模型预测在许多情况下会出现偏差。对于真值标签随呈现尺度变化而变化的任务，该问题更为困难。在图像质量评价（IQA）中，下采样会减弱损伤（如模糊或压缩伪影），从而可能对主观研究中引发的印象产生积极影响。为准确预测感知图像质量，跨分辨率 IQA 方法必须同时考虑模型缺陷引起的分辨率相关误差以及真值中的感知标签偏移。我们提出了首个此类研究，通过 KonX（一个新颖且精心构建的跨分辨率 IQA 数据库）将这两类问题分离并分别考察。本文贡献如下：1. 通过 KonX，我们提供了由呈现分辨率变化引起标签偏移的经验证据。2. 我们表明客观 IQA 方法存在尺度偏差，这降低了其预测性能。3. 我们提出了一种多尺度多列 DNN 架构，在此任务上相比以往最先进的 IQA 模型（包括近期 transformer）提升了性能。因此我们既提出了又解决了一个 IQA 中的新颖研究问题。
引用
@article{arxiv.2212.05813,
title = {KonX: Cross-Resolution Image Quality Assessment},
author = {Oliver Wiedemann and Vlad Hosu and Shaolin Su and Dietmar Saupe},
journal= {arXiv preprint arXiv:2212.05813},
year = {2022}
}
备注
13 pages