深度生成图像的质量预测
图像与视频处理
2020-04-20 v1
摘要
近年来，深度神经网络已被广泛应用于包括图像生成在内的多种任务中。特别是生成对抗网络（GAN）能够在图像压缩等任务中生成高度逼真的图片。与标准压缩一样，人们希望能够对生成图像的感知质量进行自动评估，以监控和控制编码过程。然而，现有的图像质量算法对 GAN 生成的内容效果不佳，尤其是在纹理区域和高压缩比下。本文提出了一种基于自然度的生成图像质量预测器。我们新的 GAN 图像质量预测器采用基于结构相似性特征与统计相似性度量的多阶段并行提升系统构建。为支持模型开发与测试，我们还构建了一个主观 GAN 图像质量数据库，其中包含（失真）GAN 图像并收集了人类对其的主观评分。实验结果表明，我们提出的 GAN 图像质量评估（IQA）模型在生成图像数据集以及传统图像质量数据集上均能提供优越的质量预测。
引用
@article{arxiv.2004.08245,
title = {Quality Prediction on Deep Generative Images},
author = {Hyunsuk Ko and Dae Yeol Lee and Seunghyun Cho and Alan C. Bovik},
journal= {arXiv preprint arXiv:2004.08245},
year = {2020}
}
备注
Accepted for publication in IEEE Transactions on Image Processing