基于无监督域适应的无参考屏幕内容图像质量评价
计算机视觉与模式识别
2021-07-07 v4
摘要
在本文中，我们探究将自然场景图像的质量迁移到非光学相机获取的图像（例如屏幕内容图像，SCIs）的能力，其根源在于被广泛接受的观点，即人类视觉系统已通过对自然环境的感知而适应和演化。在此，我们开发了首个基于无监督域适应的无参考质量评价方法用于SCIs，利用了自然图像（NIs）丰富的主观评分。一般而言，将质量预测模型从NIs直接迁移到具有显著不同统计特征的新型内容（即SCIs）是一项非平凡的任务。受成对关系可迁移性的启发，所提出的质量度量基于同时提升可迁移性和可判别性的理念而运作。特别地，我们引入了三类损失，以互补且显式的方式渐进地正则化排序的特征空间。关于特征判别能力增强，我们提出一种基于中心的损失来修正分类器并提升其对源域（NI）和目标域（SCI）的预测能力。对于特征差异最小化，在提取的NIs和SCIs的排序特征上施加最大均值差异（MMD）。此外，为了进一步增强特征多样性，我们引入不同特征维度间的相关性惩罚，从而得到具有更低秩和更高多样性的特征。实验表明，我们的方法基于轻量卷积神经网络能在不同的源-目标设定下取得更高性能。所提方法也为学习未见的应用特定内容的质量评价度量提供了思路，而无需繁琐且昂贵的主观评价。
引用
@article{arxiv.2008.08561,
title = {No-reference Screen Content Image Quality Assessment with Unsupervised Domain Adaptation},
author = {Baoliang Chen and Haoliang Li and Hongfei Fan and Shiqi Wang},
journal= {arXiv preprint arXiv:2008.08561},
year = {2021}
}