MobileIQA: 基于移动级多样化意见网络的无参考图像质量评估方法
计算机视觉与模式识别
2024-09-04 v1
摘要
随着高分辨率 (HR) 图像需求的增加，无参考图像质量评估 (NR-IQA) 越来越受关注，因为它可以在移动设备上实时评估图像质量，提升用户体验。然而，现有 NR-IQA 方法常对 HR 图像进行缩放或裁剪处理，这会导致重要细节丢失。此外，大多数方法计算复杂度较高，受限于移动设备的计算资源，难以实际应用。为解决这些挑战，我们提出了 MobileIQA，一种新颖方法，利用轻量级主干网络在保持图像细节的同时，通过高分辨率输入有效评估图像质量。MobileIQA 采用提出的多视角注意力学习 (MAL) 模块捕获多样化意见，模拟数据集标注过程中由不同标注员提供的主观意见。该模型通过知识蒸馏使用教师模型指导学生模型学习。该方法显著降低计算复杂度，同时保持高性能。实验表明，MobileIQA 在评估指标和计算效率方面均优于最新的 IQA 方法。代码已公开于 https://github.com/chencn2020/MobileIQA。
引用
@article{arxiv.2409.01212,
title = {MobileIQA: Exploiting Mobile-level Diverse Opinion Network For No-Reference Image Quality Assessment Using Knowledge Distillation},
author = {Zewen Chen and Sunhan Xu and Yun Zeng and Haochen Guo and Jian Guo and Shuai Liu and Juan Wang and Bing Li and Weiming Hu and Dehua Liu and Hesong Li},
journal= {arXiv preprint arXiv:2409.01212},
year = {2024}
}
备注
Accepted by ECCV Workshop 2024