基于全局-局部渐进集成与语义对齐质量迁移的无参考图像质量评估
计算机视觉与模式识别
2025-02-25 v2 图像与视频处理
摘要
准确测量无参考信号下的图像质量仍是低层视觉感知应用中的一个基本挑战。本文提出了一种全局-局部渐进集成模型，通过三个关键贡献实现这一目标：1) 我们开发了双测量框架，结合基于视觉Transformer (ViT)的全局特征提取器和基于卷积神经网络 (CNN)的局部特征提取器，全面捕获和量化图像在不同粒度上的失真特征。2) 我们提出了渐进特征集成方案，利用多尺度卷积核配置对齐全局与局部特征，并通过交互式通道注意力和空间交互模块层层聚合，构建多粒度质量感知表征。3) 我们引入语义对齐质量迁移方法，通过自动为多样化图像内容标注主观意见分数，扩展训练数据的质量标签。实验结果表明，我们的模型在跨真实和跨合成数据集的泛化测试中分别实现了5.04%和5.40%的斯佩森秩序相关系数 (SROCC) 提升。此外，提出的语义对齐质量迁移进一步在单合成和跨合成数据集上的评估中分别带来了2.26%和13.23%的性能提升。
引用
@article{arxiv.2408.03885,
title = {No-Reference Image Quality Assessment with Global-Local Progressive Integration and Semantic-Aligned Quality Transfer},
author = {Xiaoqi Wang and Yun Zhang},
journal= {arXiv preprint arXiv:2408.03885},
year = {2025}
}