基于空间注意力的全向图像无参考感知质量预测网络
图像与视频处理
2021-03-11 v1 计算机视觉与模式识别
多媒体
摘要
由于视觉注意与感知质量之间的强相关性，许多方法尝试利用人类显著性信息进行图像质量评价。尽管该机制能取得良好性能，但网络需要人类显著性标签，而这对于全向图像（ODI）不易获取。为缓解此问题，我们提出一种基于空间注意力的全向图像无参考质量评价感知质量预测网络（SAP-net）。为驱动我们的 SAP-net，我们建立了一个大规模 ODI 图像质量评价（IQA）数据集 IQA-ODI，其由 200 名受试者对 1,080 张 ODI 的主观打分组成。在 IQA-ODI 中，有 120 张高质量 ODI 作为参考，以及 960 张在 JPEG 压缩与地图投影上均有损伤的 ODI。在没有任何人类显著性标签的情况下，我们的网络能以自注意方式自适应估计受损 ODI 上的人类感知质量，显著提升了质量分数预测性能。此外，我们的方法大幅降低了 ODI 质量评价任务中的计算复杂度。大量实验证实我们的网络优于 9 种最先进（SOTA）的 ODI 质量评价方法。数据集与代码已发布于 \url{ https://github.com/yanglixiaoshen/SAP-Net}。
引用
@article{arxiv.2103.06116,
title = {Spatial Attention-based Non-reference Perceptual Quality Prediction Network for Omnidirectional Images},
author = {Li Yang and Mai Xu and Deng Xin and Bo Feng},
journal= {arXiv preprint arXiv:2103.06116},
year = {2021}
}
备注
Accepted by IEEE ICME 2021