面向盲图像质量评价的测试时自适应
计算机视觉与模式识别
2023-09-27 v3 图像与视频处理
摘要
尽管盲图像质量评价（IQA）算法的设计已取得显著进展，但训练与测试场景间的分布偏移常导致这些方法在推理时表现不佳。这促使了对测试时自适应（TTA）技术的研究，以提升其推理时的性能。现有用于 TTA 的辅助任务与损失函数可能并不适用于预训练模型的质量感知自适应。本工作中，我们在批与样本两个层面引入两种新颖的与质量相关的辅助任务，以实现盲 IQA 的 TTA。具体而言，我们在批层面引入组对比损失，在样本层面引入相对排序损失，以使模型具备质量感知能力并适应目标数据。我们的实验表明，即使仅使用来自测试分布的少量图像批次，通过更新源模型的批归一化统计量也能获得显著的性能提升。
引用
@article{arxiv.2307.14735,
title = {Test Time Adaptation for Blind Image Quality Assessment},
author = {Subhadeep Roy and Shankhanil Mitra and Soma Biswas and Rajiv Soundararajan},
journal= {arXiv preprint arXiv:2307.14735},
year = {2023}
}
备注
Accepted to ICCV 2023