非均匀失真全景图像的感知质量评估的多任务辅助网络
图像与视频处理
2025-01-22 v1 计算机视觉与模式识别
摘要
全景图像质量评估 (OIQA) 已在过去几年中广泛研究并取得显著成果。然而，大多数现有研究致力于解决 OIQA 中的均匀失真问题，这与非均匀失真问题存在天然的差距，而其在捕捉非均匀失真方面的能力远不够理想。为缩小这一差距，本文提出了一个用于非均匀失真全景图像的多任务辅助网络，通过联合训练主任务和其他辅助任务来优化网络参数。该网络主要由三部分组成：用于从视窗序列中提取多尺度特征的主干网络、用于动态分配特定特征给不同任务的多任务特征选择模块，以及用于引导所提模型捕捉局部失真和全局质量变化的辅助子网络。在两个大型 OIQA 数据集上进行的广泛实验表明，所提模型在性能上优于其他现有 OIQA 指标，而这些辅助子网络也对所提模型的性能提升贡献显著。源代码已公开于 https://github.com/RJL2000/MTAOIQA。
引用
@article{arxiv.2501.11512,
title = {Multitask Auxiliary Network for Perceptual Quality Assessment of Non-Uniformly Distorted Omnidirectional Images},
author = {Jiebin Yan and Jiale Rao and Junjie Chen and Ziwen Tan and Weide Liu and Yuming Fang},
journal= {arXiv preprint arXiv:2501.11512},
year = {2025}
}