PKU-AIGIQA-4K：面向文本到图像与图像到图像 AI 生成图像的感知质量评估数据库
计算机视觉与模式识别
2024-04-30 v1
摘要
近年来，图像生成技术取得了快速进展，造就出大量 AI 生成图像 (AIGI)。然而，这些 AIGI 的质量高度不一致，低质量的 AIGI 会严重损害用户的视觉体验。鉴于 AIGI 的广泛应用，旨在从人类感知角度评估 AIGI 质量的 AI 生成图像质量评估 (AIGIQA) 正受到学者们日益关注。然而，当前研究尚未充分探索这一领域。我们注意到现有数据库仅限于单一场景设置下的图像，诸如 AGIQA-1K、AGIQA-3K 和 AIGCIQA2023 等仅包含文本到图像生成模型生成的图像。这一局限凸显了当前研究中亟需专门针对图像到图像场景以及更全面涵盖更广泛 AI 生成图像场景的数据库的需求。为此，我们建立了一个规模庞大的感知质量评估数据库，涵盖文本到图像和图像到图像两种 AIGI，命名为 PKU-AIGIQA-4K。随后，我们开展了井切组织的主观实验，收集 AIGI 的质量标签并对 PKU-AIGIQA-4K 数据库进行全面分析。关于训练过程中使用的图像提示，我们提出了三种基于预训练模型的图像质量评估 (IQA) 方法：包括无参考方法 NR-AIGCIQA、全参考方法 FR-AIGCIQA 和部分参考方法 PR-AIGCIQA。最终，我们利用 PKU-AIGIQA-4K 数据库开展了大规模基准实验，比较了所提方法与当前 IQA 方法的性能。
引用
@article{arxiv.2404.18409,
title = {PKU-AIGIQA-4K: A Perceptual Quality Assessment Database for Both Text-to-Image and Image-to-Image AI-Generated Images},
author = {Jiquan Yuan and Fanyi Yang and Jihe Li and Xinyan Cao and Jinming Che and Jinlong Lin and Xixin Cao},
journal= {arXiv preprint arXiv:2404.18409},
year = {2024}
}
备注
12 pages. arXiv admin note: substantial text overlap with arXiv:2311.15556