图像超分辨率质量评估：确定性保真度与统计保真度的平衡
计算机视觉与模式识别
2022-07-19 v1 多媒体
图像与视频处理
摘要
近年来，开发将低分辨率（LR）图像转换为高分辨率图像的图像超分辨率（SR）算法受到越来越多的关注，但自动评估超分辨率图像的视觉质量仍是一个具有挑战性的问题。本文在确定性保真度（DF）与统计保真度（SF）的二维（2D）空间中研究SR图像质量评估（SR IQA）问题。这使我们能够更好地理解现有SR算法的优缺点，这些算法在（DF, SF）二维空间中生成处于不同聚类的图像。具体而言，我们观察到一种有趣的趋势：从更传统的SR算法（通常倾向于优化DF而损失SF），到更近期的基于生成对抗网络（GAN）的方法（与之相反，在获得高SF方面表现出显著优势，但有时在维持DF上显得不足）。此外，我们提出了一种基于内容相关锐度与纹理评估的不确定性加权方案，将两种保真度度量合并为一个名为超分辨率图像保真度（SRIF）指数的总体质量预测，该指数在受试者评分数据集上测试时，相对于最先进的IQA模型展现出优越性能。
引用
@article{arxiv.2207.08689,
title = {Quality Assessment of Image Super-Resolution: Balancing Deterministic and Statistical Fidelity},
author = {Wei Zhou and Zhou Wang},
journal= {arXiv preprint arXiv:2207.08689},
year = {2022}
}
备注
Accepted by ACMMM2022 https://github.com/weizhou-geek/SRIF