通过幻觉生成原始特征的无参考图像质量评估
图像与视频处理
2022-10-26 v3 计算机视觉与模式识别
摘要
本文提出了一种通过特征级伪参考（PR）幻觉生成的无参考（NR）图像质量评估（IQA）方法。所提出的质量评估框架建立在自然图像统计行为的先验模型之上，并植根于感知有意义的特征可被充分利用以表征视觉质量的观点。在此，来自失真图像的 PR 特征通过以原始参考作为监督的互学习方案进行学习，并且通过三元组约束进一步确保 PR 特征的判别特性。给定一幅用于质量推断的失真图像，通过可逆神经层执行特征级解耦以进行最终质量预测，从而得到用于比较的 PR 及相应的失真特征。我们在四个流行的 IQA 数据库上证明了所提方法的有效性，且跨数据库评估上的优越性能也揭示了本方法的高泛化能力。本方法的实现已在 https://github.com/Baoliang93/FPR 上公开提供。
引用
@article{arxiv.2108.04165,
title = {No-Reference Image Quality Assessment by Hallucinating Pristine Features},
author = {Baoliang Chen and Lingyu Zhu and Chenqi Kong and Hanwei Zhu and Shiqi Wang and Zhu Li},
journal= {arXiv preprint arXiv:2108.04165},
year = {2022}
}