面向退化参考图像质量评估的条件知识蒸馏学习
图像与视频处理
2021-08-24 v1 计算机视觉与模式识别
摘要
图像质量评估(IQA)的一个重要场景是评价图像复原(IR)算法。当前最先进的方法采用全参考范式，将复原图像与其对应的原始高质量图像进行比较。然而，在盲图像复原任务和真实场景中，原始高质量图像通常不可得。本文提出一种实用方案，称为退化参考IQA(DR-IQA)，其利用IR模型的输入——退化图像——作为参考。具体而言，我们通过从原始高质量图像中蒸馏知识，从退化图像中提取参考信息。该蒸馏通过学习的参考空间实现，其中鼓励各类退化图像与原始高质量图像共享相同的特征统计。该参考空间被优化以捕获对质量评估有用的深度图像先验。需注意，原始高质量图像仅在训练时使用。我们的工作为盲IR（尤其是基于GAN的方法）提供了一种强大且可微的度量。大量实验表明，我们的结果甚至可接近全参考设置下的性能。
引用
@article{arxiv.2108.07948,
title = {Learning Conditional Knowledge Distillation for Degraded-Reference Image Quality Assessment},
author = {Heliang Zheng and Huan Yang and Jianlong Fu and Zheng-Jun Zha and Jiebo Luo},
journal= {arXiv preprint arXiv:2108.07948},
year = {2021}
}