掩码参考图像质量评价
计算机视觉与模式识别
2023-03-21 v2 图像与视频处理
摘要
理解语义信息是全参考（FR）和无参考（NR）图像质量评价（IQA）方法中认识所学内容的关键步骤。然而，特别是对于许多严重失真的图像，即使存在未失真图像作为参考（FR-IQA），也难以直接感知失真图像丢失的语义和纹理信息。在本文中，我们提出一种掩码参考 IQA（MR-IQA）方法，该方法对失真图像的特定块进行掩码，并用参考图像块补充缺失块。这样，我们的模型只需输入重建图像进行质量评价。首先，我们设计了一个掩码生成器，从参考图像中选择最佳候选块并补充失真图像中丢失的语义信息，从而为质量评价提供更多参考；此外，不同的掩码块意味着不同的数据增强，有利于模型训练并减少过拟合。其次，我们提供了掩码参考网络（MRNet）：专用模块可防止掩码块引起的干扰，并有助于消除重建图像中的块不连续性。我们的方法在基准 KADID-10k、LIVE 和 CSIQ 数据集上取得了最先进的性能，并具有更好的跨数据集泛化性能。代码和结果可在补充材料中获取。
引用
@article{arxiv.2302.13770,
title = {Mask Reference Image Quality Assessment},
author = {Pengxiang Xiao and Shuai He and Limin Liu and Anlong Ming},
journal= {arXiv preprint arXiv:2302.13770},
year = {2023}
}
备注
10 pages, 6 figures