基于语义引导的图像压缩感知失真预测器 SG-JND

感知失真 (JND) 表示图像中对人类视觉系统 (HVS) 最小感知到的失真阈值，这对于图像压缩算法在传输比特率与图像质量之间取得平衡至关重要。然而，传统的 JND 预测方法仅依赖像素级或子带级特征，缺乏捕捉图像内容对 JND 影响的能力。为弥合这一差距，我们提出了语义引导 JND (SG-JND) 网络，以语义信息辅助 JND 预测。具体而言，SG-JND 包含三个关键模块：图像预处理模块从图像中提取语义级别的图像块，特征提取模块利用跨尺度注意力层提取多层特征，JND 预测模块将提取的特征回归为最终的 JND 值。实验结果表明，SG-JND 在两个公开可用的 JND 数据集上实现了最佳性能，证明了 SG-JND 的有效性，并凸显了在 JND 评估中融入语义信息的重要性。