PR-IQA: 面向扩散基新颖视图合成的部分参考图像质量评估
计算机视觉与模式识别
2026-04-08 v2
摘要
扩散模型在稀疏视图新颖视图合成（NVS）方面具有前景，因为它们可以生成伪真实视图以辅助3D重建流水线如3D高斯溅射（3DGS）。然而，这些合成图像通常包含光度学和几何学不一致性，其直接用于监督可能损害重建。为解决此问题，我们提出部分参考图像质量评估（PR-IQA），一个使用不同姿态的参考图像评估扩散生成视图的框架，无需真实标签。PR-IQA首先在重叠区域计算几何一致的部分质量图。然后执行质量补全，将此部分图补全为密集的全图质量图。此补全通过包含参考视图上下文的交叉注意力机制实现，确保跨视图一致性并实现全面的质量评估。当集成到扩散增强的3DGS流水线中时，PR-IQA将其监督限制在其质量图识别的高置信度区域。实验证明PR-IQA优于现有IQA方法，在无需真实标签监督的情况下实现了全参考级别的准确性。因此，我们的质量感知3DGS方法更有效地过滤不一致性，产生更优的3D重建和NVS结果。项目页面位于https://kakaomacao.github.io/pr-iqa-project-page/。
引用
@article{arxiv.2604.04576,
title = {PR-IQA: Partial-Reference Image Quality Assessment for Diffusion-Based Novel View Synthesis},
author = {Inseong Choi and Siwoo Lee and Seung-Hun Nam and Soohwan Song},
journal= {arXiv preprint arXiv:2604.04576},
year = {2026}
}
备注
Accepted at CVPR 2026. Project Page: https://kakaomacao.github.io/pr-iqa-project-page/