面向盲图像质量评估的质量感知预训练模型
计算机视觉与模式识别
2023-03-24 v2
摘要
盲图像质量评估（BIQA）旨在自动评价单幅图像的感知质量，近年来基于深度学习的方法已提升了其性能。然而，标注数据的匮乏在一定程度上制约了基于深度学习的 BIQA 方法充分发挥其潜力。本文提出以自监督学习方式，通过为 BIQA 定制的预文本任务来解决该问题，从而能够从数量级更多的数据中学习表征。为约束学习过程，我们基于一个简单假设提出了质量感知对比损失：来自一幅失真图像的块质量应相似，但不同于来自同一图像不同退化以及来自不同图像的块。进一步，我们改进了现有退化过程，形成了一个规模约为 的退化空间。在 ImageNet 上使用我们的方法预训练后，模型对图像质量更敏感，并在下游 BIQA 任务上表现显著更优。实验结果表明，我们的方法在流行的 BIQA 数据集上取得了显著提升。
引用
@article{arxiv.2303.00521,
title = {Quality-aware Pre-trained Models for Blind Image Quality Assessment},
author = {Kai Zhao and Kun Yuan and Ming Sun and Mading Li and Xing Wen},
journal= {arXiv preprint arXiv:2303.00521},
year = {2023}
}
备注
Accepted by CVPR 2023