野外计算机图形图像的主客观质量评估
计算机视觉与模式识别
2023-11-02 v4 图像与视频处理
摘要
计算机图形图像（CGIs）由计算机程序人工生成，并在游戏、流媒体等各种场景下被广泛感知。实际上，CGIs的质量持续受到制作过程中渲染不佳、多媒体应用传输中不可避免的压缩伪影以及因构图与设计不佳导致的低美学质量的影响。然而，极少有工作致力于应对计算机图形图像质量评估（CGIQA）的挑战。大多数图像质量评估（IQA）指标是为自然场景图像（NSIs）开发的，并在由具有合成失真的NSIs组成的数据库上验证，不适用于野外CGIs。为弥合NSIs与CGIs质量评估之间的差距，我们构建了一个由6,000张CGIs（CGIQA-6k）组成的大规模野外CGIQA数据库，并在受控良好的实验室环境中进行主观实验以获得CGIs的准确感知评分。然后，我们利用失真与美学质量表征，提出了一种有效的基于深度学习的无参考（NR）IQA模型。实验结果表明，所提方法在构建的CGIQA-6k数据库及其他CGIQA相关数据库上优于所有其他最先进（SOTA）的NR IQA方法。该数据库发布于 https://github.com/zzc-1998/CGIQA6K。
引用
@article{arxiv.2303.08050,
title = {Subjective and Objective Quality Assessment for in-the-Wild Computer Graphics Images},
author = {Zicheng Zhang and Wei Sun and Yingjie Zhou and Jun Jia and Zhichao Zhang and Jing Liu and Xiongkuo Min and Guangtao Zhai},
journal= {arXiv preprint arXiv:2303.08050},
year = {2023}
}