空间矩池化改进神经图像评估
计算机视觉与模式识别
2022-09-30 v1
摘要
近年来，基于卷积神经网络（CNN）的盲图像质量评估（IQA）受到广泛关注。大量工作先从 CNN 提取深度特征，再通过空间平均池化（SAP）与全连接层处理这些特征以预测质量。受全参考 IQA 与纹理特征启发，本文将 SAP（一阶矩）扩展为空间矩池化（SMP），引入高阶矩（如方差、偏度）。此外，我们提供利于学习的归一化方法，以规避高阶矩计算梯度时的数值问题。实验结果表明，仅将 SAP 升级为 SMP 即可显著增强基于 CNN 的盲 IQA 方法，并取得最先进的性能。
引用
@article{arxiv.2209.14583,
title = {Spatial Moment Pooling Improves Neural Image Assessment},
author = {Tongda Xu and Yifan Shao and Yan Wang and Hongwei Qin},
journal= {arXiv preprint arXiv:2209.14583},
year = {2022}
}
备注
ICIP 2022