基于特征融合与多任务学习的无参考图像质量评价
计算机视觉与模式识别
2020-06-09 v1 图像与视频处理
摘要
由于参考图像不可用，盲或无参考图像质量评价(NR-IQA)是一个基础的、未解决的且具挑战性的问题。它对每日影响数十亿观众的流媒体与社交媒体行业至关重要。尽管先前的NR-IQA方法利用了不同的特征提取方法，性能瓶颈依然存在。在本文中，我们提出了一种简单而有效的基于多任务学习的通用无参考(NR)图像质量评价(IQA)框架。我们的模型利用失真类型以及主观人类评分来预测图像质量。我们提出了一种特征融合方法，以利用失真信息改进质量分数估计任务。在我们的实验中，我们证明通过利用多任务学习与所提出的特征融合方法，我们的模型在NR-IQA任务上取得了更好的性能。为证明我们方法的有效性，我们在七个标准数据集上测试了我们的方法，并展示我们在多个数据集上取得了最先进(SOTA)结果。
引用
@article{arxiv.2006.03783,
title = {No-Reference Image Quality Assessment via Feature Fusion and Multi-Task Learning},
author = {S. Alireza Golestaneh and Kris Kitani},
journal= {arXiv preprint arXiv:2006.03783},
year = {2020}
}