低光复原图像的质量评价：一项主观研究与一种无监督模型
图像与视频处理
2022-02-07 v1 计算机视觉与模式识别
多媒体
机器学习
摘要
复原低光图像的质量评价（QA）是用于基准测试和改进步低光复原（LLR）算法的重要工具。尽管存在若干LLR算法，复原图像的主观感知却很少被研究。在捕获对齐的低光与良好光照图像对以及收集大量人类质量意见分数用于训练方面的挑战，保证了无监督（或意见不可知）无参考（NR）QA方法的设计。本工作研究低光复原图像的主观感知及其无监督NR QA。我们的贡献有两方面。我们首先使用多种LLR方法创建复原低光图像数据集，开展主观QA研究并基准测试现有QA方法的性能。然后我们提出一种自监督对比学习技术，从复原低光图像中提取失真感知特征。我们表明这些特征可有效用于构建意见不可知的图像质量分析器。详细实验揭示，我们的无监督NR QA模型在所有此类低光复原图像质量度量中达到了最先进的性能。
引用
@article{arxiv.2202.02277,
title = {Quality Assessment of Low Light Restored Images: A Subjective Study and an Unsupervised Model},
author = {Vignesh Kannan and Sameer Malik and Rajiv Soundararajan},
journal= {arXiv preprint arXiv:2202.02277},
year = {2022}
}