SwinIQA：用于压缩图像质量评估的学习型 Swin 距离
计算机视觉与模式识别
2022-05-10 v1 多媒体
图像与视频处理
摘要
图像压缩因其对多媒体存储与传输的重要意义近来引起了广泛关注。同时，针对压缩图像的可靠图像质量评估（IQA）不仅有助于验证各种压缩算法的性能，还能反过来指导压缩优化。在本文中，我们设计了一种全参考图像质量评估指标 SwinIQA，用于在学习型 Swin 距离空间中衡量压缩图像的感知质量。众所周知，压缩伪影通常呈非均匀分布，且具有多样的失真类型与程度。为了将压缩图像扭曲到共享表示空间的同时保持复杂的失真信息，我们从 Swin Transformer 的每个阶段提取分层特征表示。此外，我们利用交叉注意力操作将提取的特征表示映射到学习型 Swin 距离空间。实验结果表明，在 CLIC 数据集上，所提指标与传统方法和基于学习的方法相比，与人的感知判断具有更高的一致性。
引用
@article{arxiv.2205.04264,
title = {SwinIQA: Learned Swin Distance for Compressed Image Quality Assessment},
author = {Jianzhao Liu and Xin Li and Yanding Peng and Tao Yu and Zhibo Chen},
journal= {arXiv preprint arXiv:2205.04264},
year = {2022}
}
备注
CVPR2022 Workshop (CLIC) accepted