面向无参考图像质量评估的多任务特征增强网络
计算机视觉与模式识别
2024-11-13 v1 图像与视频处理
摘要
由于图像质量评估(IQA)数据集中标记样本的稀缺，最近许多研究提出了基于多任务的策略，从其他任务或领域探索特征信息以提升IQA任务。然而，基于多任务策略的无参考图像质量评估(NR-IQA)方法面临几个挑战。首先，现有方法没有明确利用纹理细节，而纹理细节显著影响图像质量。其次，多任务方法通常通过简单操作（如加法或拼接）整合特征，从而削弱了网络准确表示失真特征的能力。为应对这些挑战，我们引入了一个新颖的多任务NR-IQA框架。我们的框架由三个关键组件组成：高频提取网络、质量估计网络和失真感知网络。高频提取网络旨在引导模型关注与纹理细节高度相关的高频信息。同时，失真感知网络提取与失真相关的特征以区分不同的失真类型。为了有效整合来自不同任务的特征，我们基于注意力机制开发了一个特征融合模块。来自五个标准IQA数据库的实证结果证实，我们的方法不仅实现了高性能，而且表现出强大的泛化能力。
引用
@article{arxiv.2411.07556,
title = {Multi-task Feature Enhancement Network for No-Reference Image Quality Assessment},
author = {Li Yu},
journal= {arXiv preprint arXiv:2411.07556},
year = {2024}
}