REQA：从粗到细的图像质量评估以缓解范围效应
图像与视频处理
2024-10-28 v4 计算机视觉与模式识别
摘要
用户生成内容(UGC)的盲图像质量评估(BIQA)受到范围效应的困扰，该效应指：在整体质量范围内，平均意见分数(MOS)与预测MOS(pMOS)相关性良好；聚焦于某一特定范围时，相关性较低。范围效应的原因在于，在宽范围与窄范围内的预测偏差破坏了MOS与pMOS之间的均匀性。为解决此问题，提出了一种从粗粒度度量到细粒度预测的新方法。首先，我们设计了一种用于粗粒度度量的排序与梯度损失。该损失保持pMOS与MOS之间的顺序与梯度一致性，从而减少宽范围内的预测偏差。其次，我们提出多级容差损失以进行细粒度预测。该损失由递减阈值约束，以限制越来越窄范围内的预测偏差。最后，我们设计了一个反馈网络来执行从粗到细的评估。一方面，该网络采用反馈块迭代处理多尺度失真特征；另一方面，它将非局部上下文特征融合到每次迭代的输出中以获取更多感知质量的特征表示。实验结果表明，与最先进的方法相比，所提方法能有效缓解范围效应。
引用
@article{arxiv.2209.01760,
title = {REQA: Coarse-to-fine Assessment of Image Quality to Alleviate the Range Effect},
author = {Bingheng Li and Fushuo Huo},
journal= {arXiv preprint arXiv:2209.01760},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication