MANIQA：面向无参考图像质量评估的多维注意力网络
计算机视觉与模式识别
2022-04-22 v2 图像与视频处理
摘要
无参考图像质量评估(NR-IQA)旨在依据人类主观感知评估图像的感知质量。遗憾的是，现有NR-IQA方法远不能满足在基于GAN失真的图像上预测准确质量分数的需求。为此，我们提出用于无参考图像质量评估的多维注意力网络(MANIQA)以提升在基于GAN失真上的性能。我们首先通过ViT提取特征，然后为增强全局与局部交互，提出转置注意力块(TAB)与尺度Swin Transformer块(SSTB)。这两个模块分别跨通道与空间维度施加注意力机制。以这种多维方式，模块协同地增加图像不同区域间全局与局部的交互。最后，应用用于块加权质量预测的 dual branch 结构，依据每个块分数的权重预测最终分数。实验结果表明，MANIQA在四个标准数据集(LIVE、TID2013、CSIQ与KADID-10K)上大幅优于最先进方法。此外，我们的方法在NTIRE 2022感知图像质量评估挑战赛赛道2：无参考的最终测试阶段排名第一。代码与模型见https://github.com/IIGROUP/MANIQA。
引用
@article{arxiv.2204.08958,
title = {MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment},
author = {Sidi Yang and Tianhe Wu and Shuwei Shi and Shanshan Lao and Yuan Gong and Mingdeng Cao and Jiahao Wang and Yujiu Yang},
journal= {arXiv preprint arXiv:2204.08958},
year = {2022}
}