PromptIQA：通过提示提升无参考图像质量评估的性能与泛化能力
计算机视觉与模式识别
2024-03-11 v1
摘要
由于图像质量评估（IQA）任务在不同应用场景中存在评估需求的多样性，现有的 IQA 方法在训练后难以直接适应这些多变的需求。因此，面对新需求时，典型的做法是在专门为这些需求创建的数据集上对这些模型进行微调。然而，建立 IQA 数据集非常耗时。在本工作中，我们提出了一种基于提示的 IQA 方法（PromptIQA），该方法在训练后无需微调即可直接适应新需求。一方面，它利用简短的图像 - 分数对（Image-Score Pairs, ISP）序列作为提示来进行针对性预测，显著降低了对数据需求的依赖。另一方面，PromptIQA 在混合数据集上进行训练，并采用了两种提出的数据增强策略以学习多样化的需求，从而使其能够有效适应新需求。实验表明，PromptIQA 优于最先进（SOTA）方法，具有更高的性能和更好的泛化能力。代码将公开。
引用
@article{arxiv.2403.04993,
title = {PromptIQA: Boosting the Performance and Generalization for No-Reference Image Quality Assessment via Prompts},
author = {Zewen Chen and Haina Qin and Juan Wang and Chunfeng Yuan and Bing Li and Weiming Hu and Liang Wang},
journal= {arXiv preprint arXiv:2403.04993},
year = {2024}
}