非均匀失真全景图像的主观与客观质量评估
图像与视频处理
2025-01-22 v1 计算机视觉与模式识别
摘要
全景图像质量评估 (OIQA) 是 VR 技术不断发展后备受关注的议题，已在过去几年中取得显著成果。然而，大多数研究致力于解决均匀失真问题，即全景图像的所有区域都受到相同程度的噪声扰动，而忽略了非均匀失真问题，即部分区域受到与其他区域不同程度扰动。此外，几乎所有 OIQA 模型都在样本数量有限的平台上进行验证，这大大增加了过拟合风险，阻碍了 OIQA 的发展。为缓解这些问题，我们从主观和客观两个角度仔细探索了这一主题。具体而言，我们构建了一个包含 10,320 张非均匀失真全景图像的数据库，每张图像都是考虑对一个或两个摄像头镜头(s)上的质量失效进行处理生成的。随后，我们细致进行心理生理实验，探讨了整体因素和单个因素（即失真范围和观看条件）对全景图像质量的影响。此外，我们提出了一个基于感知引导的非均匀失真 OIQA 模型，通过自适应模拟用户的观看行为来实现。实验结果表明，所提出的模型在性能上优于现有方法。源代码已公开于 https://github.com/RJL2000/OIQAND。
引用
@article{arxiv.2501.11511,
title = {Subjective and Objective Quality Assessment of Non-Uniformly Distorted Omnidirectional Images},
author = {Jiebin Yan and Jiale Rao and Xuelin Liu and Yuming Fang and Yifan Zuo and Weide Liu},
journal= {arXiv preprint arXiv:2501.11511},
year = {2025}
}