MS-UNIQUE:多模型与锐度加权无监督图像质量估计
图像与视频处理
2018-11-26 v1 计算机视觉与模式识别
多媒体
信号处理
摘要
在本文中,我们训练独立的线性解码器模型来估计图像的感知质量。更具体地,我们计算各个非重叠图像块对每个解码器的响应,并基于滤波器组的锐度特征对这些响应进行缩放。我们使用多个线性解码器来捕获图像块的不同抽象层次。每个模型均在 ImageNet 数据库中的 100,000 个图像块上以无监督方式进行训练。对这些块执行颜色空间选择与 ZCA 白化,以增强数据的描述性。所提出的质量估计器在 LIVE 与 TID 2013 图像质量评估数据库上进行了测试。所提方法的性能在准确性、一致性、线性与单调行为方面与另外十一种 SOTA 方法进行比较。基于实验结果,所提方法在所有类别中通常属于性能最优的质量估计器之列。
引用
@article{arxiv.1811.08947,
title = {MS-UNIQUE: Multi-model and Sharpness-weighted Unsupervised Image Quality Estimation},
author = {Mohit Prabhushankar and Dogancan Temel and Ghassan AlRegib},
journal= {arXiv preprint arXiv:1811.08947},
year = {2018}
}
备注
Paper: 6 pages, 6 figures, 2 tables and Presentation: 21 slides [Ancillary files]